[發明專利]一種軟故障識別模型訓練和軟故障識別方法、裝置

有效

• 申請號: 202110378856.2
• 申請日: 2021-04-08
• 公開（公告）號: CN113033457B
• 公開（公告）日: 2022-11-04
• 發明（設計）人: 于振明;孫凱旋;舒亮;徐坤
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;H04L41/14;G06N3/04
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 丁蕓;趙元

本發明實施例提供了一種軟故障識別模型訓練和軟故障識別方法、裝置，其中，軟故障識別模型訓練方法包括：獲取多個正常樣本信號的數字譜、以及多個帶標簽的軟故障樣本信號的數字譜；計算各正常樣本信號的殘差譜；基于各正常樣本信號的殘差譜，訓練自動編碼器；計算各軟故障樣本信號的殘差譜；基于各軟故障樣本信號的殘差譜、各軟故障樣本信號的標簽、以及完成訓練的自動編碼器，訓練支持向量機；確定由完成訓練的自動編碼器和完成訓練的支持向量機組成的軟故障識別模型。以此，提高軟故障識別模型的識別精度，從而提高軟故障識別結果的準確性和泛化性。

技術領域

本發明涉及軟故障管理技術領域，特別是涉及一種軟故障識別模型訓練和軟故障識別方法、裝置。

背景技術

軟故障管理包括軟故障探測、軟故障識別、軟故障定位及軟故障幅度估計等，其中，通過軟故障識別可以識別出不同類型的軟故障，并輸出該軟故障對應的故障類型，以便工作人員可以針對不同的故障類型，采取不同的措施解決該軟故障，從而恢復網絡性能。

當網絡中出現軟故障時，網絡性能的一些監測數據會發生變化，比如在光網絡中，如果出現軟故障，則光信噪比、接收光功率以及光譜等都會發生變化。一些相關技術中，通常利用光譜分析儀監測軟故障樣本光信號的光譜，再對軟故障樣本光信號的光譜特征進行機器學習，從而實現軟故障識別，但由于光網絡中出現軟故障的情況畢竟有限，能采集到的軟故障樣本相對較少，如果用于訓練的軟故障樣本不充足，會導致對軟故障樣本光信號的光譜特征的識別精度較低，進一步導致其得到的軟故障識別結果的準確性也較低。

發明內容

本發明實施例的目的在于提供一種軟故障識別模型訓練和軟故障識別方法、裝置，以實現提高軟故障識別模型的識別精度，從而提高軟故障識別結果的準確性和泛化性。具體技術方案如下：

第一方面，本發明實施例提供了一種軟故障識別模型訓練方法，所述方法包括：

獲取多個正常樣本信號的數字譜、以及多個帶標簽的軟故障樣本信號的數字譜；

基于各正常樣本信號的數字譜，計算得到所述各正常樣本信號的殘差譜；

基于所述各正常樣本信號的殘差譜，訓練自動編碼器；

基于所述各正常樣本信號的數字譜及各軟故障樣本信號的數字譜，計算得到各軟故障樣本信號的殘差譜；

基于所述各軟故障樣本信號的殘差譜、所述各軟故障樣本信號的標簽、以及完成訓練的所述自動編碼器，訓練支持向量機；

確定由完成訓練的所述自動編碼器和完成訓練的所述支持向量機組成的軟故障識別模型。

可選的，所述獲取多個正常樣本信號的數字譜、以及多個帶標簽的軟故障樣本信號的數字譜的步驟，包括：

獲取多個正常樣本信號和多個帶標簽的軟故障樣本信號；

將各正常樣本信號和各軟故障樣本信號輸入相干接收機，經所述相干接收機對所述各正常樣本信號和所述各軟故障樣本信號進行頻域色散補償，得到所述各正常樣本信號的數字譜和各軟故障樣本信號的數字譜。

可選的，所述基于各正常樣本信號的數字譜，計算得到所述各正常樣本信號的殘差譜的步驟，包括：

根據各正常樣本信號的數字譜，計算標準譜；

根據所述標準譜及所述各正常樣本信號的數字譜，計算所述各正常樣本信號的殘差譜；

所述基于所述各正常樣本信號的數字譜及各軟故障樣本信號的數字譜，計算得到各軟故障樣本信號的殘差譜的步驟，包括：

根據所述標準譜及所述各軟故障樣本信號的數字譜，計算所述各軟故障樣本信號的殘差譜。

可選的，所述根據各正常樣本信號的數字譜，計算標準譜的步驟，包括：