CN105359442A

CN105359442A - 光数据传输

Info

Publication number: CN105359442A
Application number: CN201480036141.7A
Authority: CN
Inventors: P·D·怀特; 安德鲁·洛德; 迈克尔·查尔斯·帕克
Original assignee: British Telecommunications PLC
Current assignee: British Telecommunications PLC
Priority date: 2013-04-24
Filing date: 2014-04-24
Publication date: 2016-02-24
Anticipated expiration: 2034-04-24
Also published as: US9860012B2; EP2797247A1; EP2989735B1; CN105359442B; US20160072608A1; WO2014174234A1; EP2989735A1

Abstract

一种用于在光纤系统中使用的路由和波长分配方法，该方法包括：(i)识别源节点与目的地节点之间的多个路径；(ii)选择所识别的多个路径中的一个；(iii)在所选则的路径的光谱带内限定光谱资源的一个或更多个块，其中，每个块都包括：一个或更多个未使用的波长信道、或者具有相同谱宽度的一个或更多个波长信道；(iv)基于一个或更多个块中的每个块中的波长信道的数量与光谱带中的波长信道的总数量的比率的对数，获得在其光谱带中限定光谱碎片化的所选择的路径的熵值；(v)迭代步骤(ii)至(v)，直到已经确定所识别的多个路径中的每个路径的熵值为止；以及(vi)从所识别的多个路径选择具有最低熵值的路径。

Description

光数据传输

本发明涉及与光数据传输有关的装置、系统和方法，特别地但是不排他性地关于优化电信网络中的光谱资源的使用。

使用光网络的方式正在经历显著改变，部分被诸如多媒体服务的业务的巨大增长推动，以及被由于内容供应商通过互联网不断改变模型导致在预测该业务的源时增加的不确定性推动。用于更高带宽100Gb/s服务及以上的复杂调制方案是已知的并且在链路和节点数量大的且日益增加的光网络中被投入商业使用。

广泛部署这样的方案的瓶颈是由国际电信联盟(ITU)指定的“固定”波长栅格方法，其中，C带中的相关光谱范围被划分为固定尺寸光谱时隙。如在此使用的，“时隙”、“波长”或者“信道”被限定为与特定信号尺寸相关联的波长或者波长的光谱。通过在包括源与目的地之间的路径的光链路上分配光谱(即，波长)时隙进行连接。大于100Gb/s的比特率产生这样的问题：其占用太宽的光谱宽度以致不适应这样的固定尺寸的光谱时隙或者信道；通过采用倾向于折衷传输距离的更高光谱效率调制方法来强制适应。看起来清楚的是，这十年前的ITU“固定栅格”方法针对明显大于100Gb/s(例如，400Gb/s及以上)的比特率不起作用，增强了对开发更灵活的方法的需求。对这样的新“弹性光联网”方法的研究基于“灵活栅格(flexgrid)”WDM(波分复用)方法正在进行，其中，光谱可以以一种方式被分割以形成根据例如正在使用的比特率可选择的任意宽度的光谱时隙，光谱时隙被调整以适应光收发器的要求并且适应新比特率服务。

在图1中所示的示例曲线图中示出固定和灵活栅格方法的表示，其中，曲线图(a)、(c)和(d)示出固定栅格实现的示例，同时(b)和(e)示出灵活栅格方法。曲线图(a)示出在固定栅格实现中分割相邻光信道的严格保护带，以及在特定比特率处的需求或波长。曲线图(b)示出需要的信道如何被分组为单个“超级信道”，超级信道在灵活栅格系统中可以作为一个实体被传送。在曲线图(c)中，假设正交相移键控(QPSK)调制，在固定栅格上示出(改变比特率和距离的)五个需求和它们的光谱需要。曲线图(d)示出曲线图(c)的相同服务需求，具有针对所要求的比特率和到达率(reach)优化的自适应调制。在曲线图(e)的灵活栅格实现中示出任意尺寸光谱时隙分配，曲线图(e)具有与曲线图(c)和(d)相同的需求。

简言之，当波长比特率、光到达率、以及光谱参数在它们的可允许实现解决方案中被严格约束以与固定栅格架构最终一致时，在固定栅格网络中通常仅存在一种方式来实现给定需求。这意味着该需求可能占用不完整个时隙，导致光谱容量浪费，就像曲线图(c)中所示的那样。另一方面，(b)中所示的比固定时隙宽度更宽的超级信道宽度不能被容纳在固定栅格网络中。在灵活栅格方案中，当实现需求时，可以通过分配给予足够性能以达到所要求的距离的调制格式，同时放宽对由光路径占用的光谱带宽的实际宽度的要求来进行选择。可以通过在(d)中所示的固定栅格方案与相同情形在(e)中所示的灵活栅格方案下被使用时的比较看出，使用灵活栅格方法可以实现光谱节省。换句话说，远离使用在固定栅格方法中限定信道宽度的固定位置保护带可以通过在光谱中连续地或者至少相互靠近地隔开信道来实现效率。这可能会导致针对其它需求的光谱资源的释放。以此方式，灵活栅格方案在分配光谱时允许更大灵活性和选择。

然而，灵活栅格系统特别经受的缺点在于，光谱可能变为“碎片”，碎片以类似于包括碎片磁盘块的计算机硬盘的方式由非连续使用的光谱部分构成。这是因为当信号或需求达到其目的地节点时，光连接终止，并且波长或信道“空出”光谱时隙。防止光谱碎片化的一种方式是找到具有相同或者几乎相同的时隙宽度的新资源请求，以紧在该时隙变得可用的时间点占用该时隙。然而，发生这样巧合的几率不高，并且如可能期望的，这样的空出时隙可能整体保留或者部分未填充。换句话说，即使找到能够适于空出时隙的波长信道，其宽度有可能比先前波长信道宽度更窄，导致产生光谱的未使用部分，使得碎片化的水平倾向于随着时间增加。光谱包括非连续使用或未使用部分的状态导致“熵”(随机的或者无序的)的状态。当未使用的光谱部分如此窄地分裂使得它们不能被用于适应需求时，即使实际未使用的光谱的总(总计)量可能是另外可使用时，但事情也变得尤其困难。通过举例说明，图1的曲线图(e)示出灵活栅格环境中的最佳情况，其中，需求本质上占用了光谱中的连续位置。在不太理想的情况下，未使用的“标准”光谱碎片的碎片可以被表示为相邻使用时隙之间的间隙，如例如图3(以下论述)中所示。可以预期，无法解决该问题可能最终导致在使用先前光谱资源时的显著无效，可能导致需要建立昂贵的新链路以处理业务水平。

如可以被预期的，由于相互连续布置的标准化时隙尺寸，在固定栅格系统中的问题少的多。实际上，光谱的分裂不仅是固定栅格系统中的问题，因为所有时隙都具有相同标准的尺寸，使得当信道终止并且释放光谱空间时，所产生的任何新需求将自动地具有相同(标准化)宽度以适应可用时隙。

因此，需要解决以上问题，特别是在弹性光联网范例中的灵活栅格实现中与光数据业务的路由结合时。

已知沿着光链路参考熵测量的一些方法。例如，"UtilizationEntropyforAssessingResourceFragmentationinOpticalNetworks"(W.Xi等人，光纤通信会议，OSA技术文摘(美国光学学会，2012))论述了使用定性和算法描述的光谱碎片化，其作为一种方法，可以不提供总光谱碎片化的预测测量。这是因为算法方法通常暗示非线性的程度(例如，存在二进制逻辑步骤，即，XOR、OR、AND运算等)，其可能导致算法的输出结果的非单调(和/或非线性)行为。算法也不一定提供在碎片化的细微差异之间进行区分的能力或“敏感”的程度，这取决于算法的构造及其定量行为。基于该方法的方法对于本领域中的部署可能不足够可靠。

名为“PlanningandProvisioningofElasticO-OFDMNetworkswithFragmentation-AwareRoutingandSpectrumAssignment(RSA)Algorithms”(M.Zhang等人，亚洲通信和光子学会议，OSA技术文摘(在线)(美国光学学会，2012))的另一个文献描述了碎片化感知RSA，当进行资源分配时碎片化感知RSA使用碎片化比率。然而，碎片化感知RSA针对选择路线不使用基于熵的度量，并且该论文明确地表明了以上W.Xi文献的利用熵方法不足以量化带宽碎片化是有帮助的。

“DynamicRoutingandFrequencySlotAssignmentforElasticOpticalPathNetworksthatAdoptDistanceAdaptiveModulation”(T.Takagi等人，光纤通信会议/国家光纤工程师协会2011，OSA技术文摘(CD)(美国光学学会，2011))描述了应用至弹性网络的经典风格RSA并且不考虑光谱熵。

如此，已知评估资源碎片化和碎片化感知路由的思想，就像是在光纤谱领域中应用熵概念。然而，在使用熵的信息论定义的统计机械原理上的光联网的随机有序研究还不知道结合光网络来进行，其具有不断变大的链路和节点数量的尺寸和不断增加的可利用光谱的特征(分裂为不断变小的量子，100GHz→6.25GHz)现在使得它们特别可服从这样的统计机械(热力学)分析。具体地，当前没有允许以行为本质上定量的方式计算熵测量的已知方法，(即，其可以被表示为紧凑数学方程)其具有高度预测行为，像熵的测量那样是单调的，并且可以敏感地区分碎片化的任意细微差别。也不存在允许这样的测量以如下方式被用在光路径路由选择中：在总联网分块概率开始超过特定阈值(例如，在5％)之前，允许总网络资源(即，总网络容量的利用)更多被使用。具体地，首先减少或者停止光谱变为碎片是有用的。为了完全并有效地使用光谱资源，网络运营商希望具有解决以上问题的手段。

根据本发明的第一方面，提供一种用于在光系统中使用的路由和波长分配方法，该方法包括如下步骤：

(i)在源节点与目的地节点之间的光路径中，选择包括一个或更多个相邻波长信道的光谱资源的块，所述块的宽度足以适应具有占用一个或更多个相邻波长信道的谱宽度的需求，以及

(ii)基于所选择的块中的波长信道的数量与所述光路径的所述光谱带中的波长信道的总数量的比率的对数，确定所述块的光谱熵水平的熵值。

路径可以包括相邻节点之间的光链路、或者不是相邻节点的源节点与目的地节点之间的端到端的光路径。光谱碎片化(或者熵)水平的计算可以被表示为用于这样的链路或者端到端的路径的值，其有用地允许在具有不同熵值的路径之间进行比较，其中，在路径上可用的多个潜在路径是可用的。这使得诸如网络运营商的用户基于例如最小化光谱熵的策略选择以选择性地准许需求。

如以下将论述的，光谱资源的块可以包括一个或更多个波长信道(在此还被称为“时隙”)。

如下所述，路由和波长分配(RWA)和/或路由和光谱分配(RSA)是众所周知的并且在进行路由决定时使用。它们在即将发生的弹性光联网范例中的应用中，将需要考虑作为光谱碎片化的结果产生的问题。在此描述的数量方法利用对数香农信息熵方法，其有利地产生预测结果，作为熵的测量是单调的，并且可以敏感地区分碎片化的任意细微差异。

根据本发明的另一方面，提供一种能够在光纤系统中进行路由和波长分配决定的处理器，所述处理器被配置成基于所选择的块中的波长信道的数量与所述光路径的所述光谱带中的波长信道的总数量的比率的对数，确定所述块的光谱熵水平的熵值。

在本发明的又一方面中，提供一种能够进行路由和波长分配决定的网络管理系统，该网络管理系统被配置成：

现在参考以下附图仅通过示例描述实现本发明的系统、方法和装置，其中：

图1示出固定栅格和灵活栅格场景中的光谱分配，

图2示出不同熵碎片化水平的光谱，

图3示出碎片光谱的光频率空间，

图4示出图3中所示的光频率空间变换到状态分布空间的结果，

图5(a)和图5(b)分别表示未碎片化(unfragmented)的且有序的光谱，以及相关联的转变状态空间，

图6示出用于计算碎片化熵测量的处理流程，

图7(a)和图7(b)一起示出本发明的路由和光谱分配处理的处理流程，

图8(a)和图8(b)分别示出基于链路的熵估计方法和基于路径的熵估计方法，

图9是示出光谱熵项的网络的演进的曲线图，

图10是示出根据利用的网络的演进的曲线图，

图11是在现有技术的路由和光谱分配处理中涉及的网络组件的框图，以及

图12是在本发明的路由和光谱分配处理中涉及的网络组件的框图。

如上所述，图1示出固定栅格范例和灵活栅格范例的差异，并且曲线图(d)(示出固定栅格光谱使用)和曲线图(e)(灵活栅格)的比较强调可以使用灵活栅格实现的光谱节省。

在此描述的技术和装置主要在于，假定当时隙以上述方式空出时碎片化的固有可能性，在灵活栅格网络中使用本发明。然而，如以下将解释的，还可以使用它们以有利于固定栅格情况。

碎片化熵度量

以下描述可以针对具有合适特性的任何系统，如何计算可用熵度量。工作示例还结合图3至图5被论述，以论证熵度量在可碎片化光谱资源的特定上下文中的应用。使用在此描述的方法获得的碎片化熵度量或测量考虑多粒度/波长链路业务需求中的可区别最小熵状态和自由度。该方法从香农信息论获得，并且基于可计数和可区分状态的玻尔兹曼方法。结果是单调的且无标度的，并且针对有效资源管理，区分了变化的光谱拓扑复杂度。

一般来说，系统可以处于N个不同“状态”(如以下将更详细描述的)，其中，处于第i个状态的概率是p_i。如从香农信息论知晓的，系统的熵H通常由

H = - Σ_{i = 1}^{N} p_{i} {lnp}_{i}

给出，其中，

Σ_{i = 1}^{N} p_{i} = 1

。

在测量系统的资源的碎片化时，两个关注点是：

(i)是否正在使用系统的特定资源；以及

(ii)该资源的相对位置，具体地，是否正在使用与其相邻的资源。

参考图2，第一个(最上面)和最后一个(最下面)光谱分别示出资源的最少和最多碎片版本(其中，空方框示出未填充时隙，并且黑方框示出填充时隙)。从实际观点来看，当连续地使用资源的一部分(即，它们之间没有间隙)时，资源的不同连续组块在连续空间的整个部分内如何布置是不相关的。首要要求是资源尽可能是未碎片化。如可能期望的，包括间隙插入资源的难题(诸如，图2中的最后示出的光谱)的复杂拓扑的管理比在较少碎片系统中更困难。如上所述，在光网络的情况下，当例如从系统去除先前使用的需求或要求时产生资源碎片化，如果任其不被检验(特别是在灵活栅格实现中)，则很可能随着时间而变得更严重。将需要合适的手段以随着时间或者基于发展估计资源利用的相对拓扑复杂度和/或碎片化。将必须执行例如光谱重新排序和重新分配的形式的保持(与计算机硬盘的“整理碎片”类似)以确保可用光谱资源的有效使用。由于在光谱整理碎片发生的同时操作必须暂停，所以这具有潜在高成本和破坏性。熵测量或度量将允许网络拥有者或者运营商关于何时和如何进行这样的维护、或者测试和诊断作出明智决定。

在计算这样的度量时，起始点是填充因数f，填充因数f具有在0到1之间的值。填充因数f指示光谱的被存在的数据信道的总数消耗的部分。对于完全未碎片化的光谱，其中，被占用的光谱的不同置换/组合本质上相互不可区分，系统的熵通过下式给出

H_min(f)＝-flnf-(1-f)ln(1-f)(1)

通过定义，未碎片化的系统包括两个部分，一个部分完全被占用，并且另一个部分完全未被占用，使得光谱的一部分仅处于N＝2个不同状态。光谱的任何资源量子处于完全被占用或填充状态的概率是p₁＝f，并且处于完全不被占用或者不被填充状态的概率是p₂＝1-f。该未碎片化的光谱情况的碎片化熵被称为H_min，这是因为其表示用于任何给定填充因数f的系统碎片化熵的下限。作为f的函数的H_min的形状是众所周知的对称曲线(甚至在大约f＝0.5，在此处，其达到其最大值0.693)，其在f＝0和f＝1处是零。

另一方面，碎片化光谱包括已使用或者未使用的光资源的分割组块，每个分割组块表示系统的不同状态或块。

系统的状态或块通过将光谱考虑为由一组N个不同数量的光谱资源的块表示来定义。每个状态或块由单个波长或数据信道、或者其每个都具有相同种类和谱宽度(例如，所有都为10G、40G、或者100G等)的多个数据信道的连续组构成。简单参考图3中所示的示例，存在总计N＝11个状态或块，其中，状态1包括一个10G信道，同时状态5包括两个40G信道。第i个块的谱宽度由C_i给出，假设其为最小光谱资源量子q(例如，q＝6.25GHz)的整数倍。资源的块由此还可表示单个或连续组的未使用的光谱量子(分别参见图3中的状态2和4)；在该情况下，单个(或者重复的)信道具有单位谱宽度q。

因为块包括一个单个信道或者连续相同数据信道，所以每个块表示总光谱的最大未碎片化(最小熵、MinEnt、或者最小拓扑复杂度)子域。这是因为由特定块内的任一个信道占用的位置与该块的熵测量无关，使得块本身的熵被认为是常数。因此，交换或者混排块内的信道在总光谱资源的最佳利用方面没有优势或者差异。

假设光纤内的总(即，填充的+未填充的)光谱资源是Pq，即，总共存在总资源的P个光谱量子。

在计算熵测量时，下一个重要的抽象概念是考虑每个单独数据信道(10G、40G、100G等)以及每个未填充量子q，以表示系统的单个“自由度”(DoF)，其独立于每个DoF表示的实际谱宽度。以与块或状态相同的方式，DoF可以具有变化的谱宽度。如上所述，状态或者块可以包括一个以上信道或光谱的未使用部分，所以再次参考图3，在例如状态4和5中的每个中存在2个DoF。数据信道在DoF项中的特征允许特别是在灵活栅格实现中适当地考虑信道的不同谱宽度(以及未使用的光谱或者自由光谱)。如期望的，光谱的每个DoF都影响光谱的整体熵行为。

每个块都包含D_i个DoF，其中，D_i＝C_i/Q_i，并且Q_i表示在该特定块中存在的特定调制格式Q＝{q,10G,40G,100G等}的谱宽度。系统中的DoF的总数是D，其中，光谱的量子在第i个数据块中的概率是p′_i＝C_i/P。然而，不是使用基本仅取决于P(即，光谱中的资源要求量子q的总数)的该概率量(quantity)，而是系统的D个DoF的排序的碎片化更令人感兴趣，其中，通常D≤P(等式仅针对完全未使用的光谱实现)。任何DoF位于第i个块内的概率是p_i＝D_i/D。

因此，光链路的总碎片化熵可以由下式给出：

H_{f r a g} = - Σ_{i = 1}^{N} \frac{D_{i}}{D} l n \frac{D_{i}}{D} - - - (2)

其中，D是在光谱带中在该时间存在的DoF的总数，并且D_i是在使用或者未使用的光谱的第i个块中的DoF的数量。该公式提供资源碎片化熵的高度通用且可用的测量和拓扑复杂度，其给予系统或者网络拥有者或运营商允许例如对系统将要执行的整理碎片或者其它维护活动的信息。具体地，该度量可以用于进行路由和波长分配决定，如下所述。可以获得关于光谱的未使用部分、使用部分、或者两者的度量。

如前观察到的，光纤的光谱被认为完全未碎片化(即，具有最小拓扑复杂度)，其中，光谱完全未被填充或者另外完全被填充以具有与相同尺寸的信道恰好相同的容量(例如，全部10G信号)。当这样的未碎片化的光谱的光频率空间被转换成状态分布并且被看作状态分布时：在第一种完全未填充的情况下，仅存在具有相关概率p₁＝1的一个状态(即，未填充)，使得碎片化熵是H_frag＝0。同样，在光谱完全为满的情况下(例如，仅具有10G信道)，在变换为状态分布之后，再次产生概率为p₁＝1的单个状态(即，在该情况下为10G)，并且相关碎片化熵为H_frag＝0。因此，基于熵的碎片化熵度量可以具有为零的绝对最小值。相对于针对给定填充因数f的最小可能熵H_min，还可以定义相对碎片化熵测量h_frag。这通过以下给出：

h_{f r a g} = \frac{H_{f r a g}}{H_{\min}} - 1 - - - (3)

并且对于最大未碎片化情况来说是零，并且具有最小拓扑复杂度。

总之，可以通过根据表示单独灵活栅格量子的多个时隙考虑光谱，来计算熵度量。然后，这些时隙可以被分组为由已使用光谱(源自任何数量的单独信号)或未使用光谱构成的N个连续块中。然后，可以使用上述公式(2)计算光谱的香农熵度量H_Frag。H_Frag的大值指示碎片化的更高水平。

已经使用该方法计算出图2中所示的光谱资源的熵水平。第一个(最上面)示例示出H_Frag值为零的完全未使用光谱；如期望的，完全填充光谱也具有为零的碎片化度量。其余示例示出，对于相同量的自由光谱(由相等数量的填充时隙和未填充时隙表示)来说，H_Frag的值根据碎片化的量改变(并且单调增加)，碎片化的量在包括交替地填充时隙和未填充时隙的最后示例中达到最大值。该方法的一个优点在于，对于适应未来需求更有用的已使用光谱或未使用光谱的更长连续块倾向于导致更低的总碎片化熵水平。

现在将结合图3至图5论述论证和论述如何计算熵水平的示例，以示出以上一般原理的应用。

图3示出部分填充有不同带宽的数据信道的光谱的示例。y轴表示信道功率，而x轴是光谱资源的表示。在该说明中，针对该特定光谱配置，存在N＝11个可用块(即，表示11个状态)。在此，块或状态1包括10G数据信道，块2是“未使用的”(U)光谱，块3包括100G数据信道，块4包括2个未使用的光谱量子等。资源被碎片化，使得其包括使用部分以及未填充部分。每个信道(U(或q)、10G、40G或100G等)都被认为是单个DoF，并且本质上可以为一个状态(例如，块1、2、3、6、7、9、10、11)。在图3中，沿着线性x轴描述每个DoF，因此例如在状态8中可以看到重复或者结合10G信道的两个实例。如果多个连贯(连续)信道属于相同种类或者带宽(块4、5、8)，则这多个连贯(连续)信道可以共同构成单个状态。因此，在图3的示例中，总共存在D＝14个单独信道/量子或者DoF。

图4示出在其状态空间分布方面图3中所示的示例的光频谱分布。如先前注意的，状态的数量是N＝11，并且DoF的数量是D＝14。沿着x轴再次描述每个状态1至11。然而，与图3相比，状态内的信道根据其DoF被表示，所以例如存在处于状态2的1个DoF(在总计14个DoF中)，同时在状态4中存在2个DoF(在总计14个DoF中)。处于每个状态中的每个柱(bar)的高度在图形上表示在每个状态中的DoF的数量(所以处于状态4的柱是处于状态2的高度的两倍)，其通过出现在每个柱之上的数字在数字上确认(在状态2和4中分别为1/14和2/14)。在光谱资源的视图从图3的光频率视图“变换”为图4中的状态空间视图时，它与信道是从左到右布置还是从右到左布置不相关。

通过应用上述香农公式可以计算图3中所示的光谱的碎片化度量是H_frag＝2.342。

可以期望未碎片化的资源将产生较低熵值。这可以通过参考图5的(a)和图5的(b)中所示的示例来证明，其中，图5的(a)示出了与图3中所示的数据信道相同的一组数据信道的光频率，然而其被布置成使得DoF(其总数保持不变，D＝14)以最大未碎片化状态被聚集在一起。例如，参考10G信道，虽然它们先前占用状态1、6、8和11(在图3中)，但是现在它们被连续地布置以形成处于状态2的单个块。其它信道被类似地处理，使得14个DoF现在被分布在N＝4个状态中(即，在状态1下未填充，在状态2下为10G，在状态3下为40G，以及在状态4下为100G)，其可以与图3中的D＝14个状态相比较。结果，在图5的(a)中，仅存在N＝4个状态。

图5的(b)示出具有相关概率幅值的图5的(a)中所示的状态空间分布，并且可以计算总碎片化熵以给出熵值H_frag＝1.291。基于熵的碎片化度量由此提供确定光链路中存在的碎片化程度的目标手段，并且由于度量是单调的，所以从图3中所示的示例的更高H_frag＝2.342熵值清楚地表明，与具有较低熵测量H_frag＝1.291的图5的(a)的更有序配置相比，资源将被更多地碎片化。

碎片化度量是单调的事实使得当考虑碎片的光谱的相对拓扑复杂度时是有用的。单调度量提供特定光谱配置的碎片化程度和拓扑复杂度的测量。因此例如，即使对于图3和图5的(a)的填充因数(即，光谱容量利用)对于两种情况是相同的情况，用于图5的(a)的较低碎片化度量确认我们可以在视觉上将什么确定其较低碎片化、以及其相对更简单的拓扑复杂度。虽然未示出为附图，但是如果图5的(a)的已使用光谱信道实际上均相同，例如，仅10G信道(即，对于图3和图5的(a)来说仍然是相同填充因数)，则相关联碎片化熵可以使用H_min被计算并且发现H_frag＝0.389。这再次比图5的(a)的碎片化熵更低，并且确认由于其较低拓扑复杂度，导致其本质上比图5的(a)更少地碎片化。

当根据其填充因数查看光谱资源熵时确认该发现。返回参考图5的(a)中的示例，并且为了简单起见，假设量子q＝10GHz，使得信道带宽由10G≡q、10G≡4q、100G≡10q给出，从存在的38个光谱资源量子得出(5×未填充+5×10G+2×40G+2×100G)，总共可用光谱是P＝38q。由于5个未填充时隙，在该情况下的填充因数是f＝33/38＝86.8％。用于这样的填充因数的最小碎片化熵是H_min＝0.389，但是可以注意到DoF的总数现在是D＝38。同样地，对于具有相同填充因数f＝86.8％的情况，与用于先前示例的情况相同，但是对于仅一种类型的调制格式的甚至更有序的最小化地低拓扑复杂度的情形(例如，10G，使得存在33×10G个基本不可区分的连续信道)，则碎片化熵进一步减小到H_frag＝0.389，等于H_min。

推导熵度量的以上方法本质上是无标度的(由于其对数特性)，并由此可以以自然增加方式应用在子网络、国内网络、以及全国统一网络中。有用地，另外因为其单调行为，它使得能够测量在不同碎片整理的性能和RSA算法之间的细微差异，并且实现最佳网络资源开发。而且，链路RSA具有局部和全局特性(例如，修改局部链路的光谱分配将在网络中具有全局含义)，在光子网络中测量链路的混乱状态的熵方法类似于测量气体粒子的熵，其中，每个粒子都呈现局部特性和全局特性(即，粒子具有与气体中的其它粒子的短程到远程交互/冲突的统计分布)。因此，局部链路碎片化熵的使用还提供到用于优化光子网络的总动态平衡性能的手段的洞察。

基于熵的光路由

现在将关于在光网络内进行路由决定来论述基于可以以上述方式获得的熵度量的使用的装置和方法，作为可以如何使用这样的度量的示例。至少部分地基于特别是在基于灵活栅格系统中的光谱熵水平作出路由决定将帮助解决随着业务水平增加而产生的问题，并且可以帮助随着时间保持或者甚至减少光谱碎片化。这可以减少对网络运营商实现光谱碎片整理活动(其将导致业务流延迟和中断)的需要。

特别是，从在先前部分中描述的基于香农方法推导的熵度量可以以至少两种方式被应用至路由问题。第一种方法是基于“基于链路的”最小化熵测量(MinEnt)，其中，沿着特定路径的每个链路的光谱被单独考虑。第二种方式可以被应用于“基于路径的”MinEnt，其中，沿着路径中的所有链路的光谱简档(profile)被结合在一起以形成单个端到端简档。以下将更详细地论述这两个应用。

通常，光系统拥有者或者运营商当前在他们的网络管理系统(NMS)中使用网络路由和波长分配(RWA)和/或路由和光谱分配(RSA)算法，以经过光网络找到路径。在典型RSA方法中，该处理包括两个单独步骤：首先，按照最短距离或者最小跳算法选择网络中的路线；然后，使用第一拟合算法来选择可以被找到的第一自由的端到端波长块。以下随机代码示出该方法：

本发明的实施方式和实现设法将熵测量包括到路由和光谱分配决定中，以寻找使熵最小的路由和光谱分配。这通过使用如下算法来实现，该算法通过分配可适应特定需求的最小时隙以保持更大光谱的(连续)块自由、和/或用于需要该块的更大需求，来分配路线和光谱。以此方式，要求较窄光谱宽度不被分配给大时隙(其中，较窄但是合适的时隙是可用的)，从而减少挨着新占用时隙的未使用部分的创建，并且允许通过更好地使用光谱来支持多种尺寸更大数量的需求。

熵测量程序可以基于使用例如上述公式(2)的版本的上述方法，以获得H_Frag值。在该方法中，通过寻找未使用光谱的每个块并且计算以下，仅针对给定光谱的未使用光谱分量计算熵值：

(number_of_unused_slots/total_slots_across_spectrum)*

LN(number_of_unused_slots/total_slots_across_spectrum)

其中，LN是自然对数，并且“total_slots”等于在整个光谱带中的光谱时隙(未使用的和使用的)的总数。针对未使用光谱的每个块重复该计算，并且将该计算相加在一起以获得碎片化熵的总计算。应该注意，“时隙”被认为等效于光谱的量子q，使得在光谱中的总时隙是先前限定的P，并且未使用时隙的数量是U，其中，总的未使用光谱是Uq。这可以提供对方程(2)的碎片化熵的有用快速(即，在算法上不太复杂)近似。

图6的流程图示出在计算给定光谱资源的熵测量时涉及的步骤，其中，该处理开始于将熵值(“frag_entropy”)设定为零(步骤S2)。寻找未使用光谱的块(步骤S4)，并且记录到该点发现的未使用时隙(“unused_slots”)的数量(步骤S6)。使用以上公式计算针对考虑的未使用光谱块的碎片化熵水平(步骤S8)。如果仍然存在要被处理的未使用块(步骤S10)，则迭代以上步骤，直到光谱中的所有块均被处理为止，在该点处通过将每个未使用光谱块的所有熵水平值相加在一起来获得熵度量，以获得未使用的光谱碎片化熵的总计算(步骤S12)。

在伪随机代码方面，该方法可以被表示为：

所获得的熵测量处于在图7(a)和图7(b)中阐述的流程图中描述的路由处理的核心地位。简言之，该方法涉及通过具有最低未使用光谱碎片化熵的光网络寻找路线，其通过用由图6中所示的示例性方法获得的碎片化熵度量代替传统最低成本路径算法来实现。这需要存储网络的每个分枝的使用的光谱状态，并且考虑的每个附加跳的光谱需要被添加到这些状态。光谱的碎片化熵使用以上给出的公式计算。通常来说，具有最低未使用光谱碎片化熵路径的路径的发现允许网络拥有者或者运营商选择如下光谱分配，所述光谱分配沿着所选路径降低端到端碎片化熵的水平，或者另外使得碎片化熵增加最小量。为了实现这个，收发器所需要的光谱沿着整个光谱被放在每一个位置处。如果对于给定位置，光谱当前未被使用，则如图6的流程图中所阐述的计算碎片化熵。存储最低未使用的光谱碎片化熵状态。一旦被识别，路由和光谱分配就被输出到将在网络节点上配置的NMS。如本领域技术人员将想到的，可以对在此论述的实现作出多种变化：例如，可以将(识别和应用熵度量的)这两个步骤更紧密地结合以形成单个步骤，该单个步骤可能要求附加计算时间和资源。在任何情况下，都可以期望路由业务以此方式将实现具有总体较低熵测量的网络，其将允许更大部分保持可用以允许适应未来需求。

现在转到图6的流程图中所示的示例性处理：在处理开始时，使用关于网络的拓扑和状态的信息，以使用例如基于迪杰斯特拉(Dijkstra)算法的传统方法寻找源A与目的地B之间的多个(n个)路径(步骤S22)。在未找到路径(步骤S24)(例如，不存在到目的地节点B的可发现路径)的情况下，处理被阻止(步骤S26)并且终止。如果路径可用，则选择最短路径，并且确定该路径的已使用的光谱简档(步骤S28)。在该点处，收发器设备(其正在承载源与目的地之间的业务)的简档沿着光谱简档在第一位置处被应用至路径光谱简档(步骤S30)。如果找到自由光谱的部分(步骤32，其包括在图6中阐述的程序)，则计算新识别的路径的碎片化熵(步骤S34)。然后，基于从最新发现路径得到的光谱配置，进行最新发现路径与任何先前发现路径的熵水平的比较(步骤S36)，并且存储存在疑问的光谱分配(步骤S38)。收发器简档现在前进一个时隙，以允许沿着光谱的另一位置被检验(步骤S41)。当光谱被完全搜索(步骤S40)并且沿着当前考虑的路径为该新需求找到了用于该光谱的最低熵分配(步骤S42)时，进行与先前发现路径的比较，以确定最新发现路径是否具有最低熵等级(rating)(步骤S44)。如果具有最低熵等级，则存储路径和光谱分配(步骤S46)。迭代寻找具有最低熵值的路径的步骤，直到在步骤S22中最初识别的所有n条路径都被检验为止(步骤S48和S49)。如果识别出没有到目的地节点B的光谱和路径组合，则处理被阻止(步骤S52)并且被终止。否则，选择在光谱资源中生成最小熵的路径和光谱分配(步骤S50和S54)，其设法防止光谱的“浪费”，例如，当较窄但是合适时隙也可用时，避免将新需求放置在大的未使用时隙内。

如上所述，所获得的熵度量可以以至少两种方式被应用至RWA和RSA。图6和图7的流程图间接提到这些方法，现在将详细地描述。

基于熵的光路由：(i)基于链路的测量

在基于最小化熵水平的“基于链路的”方法中，沿着特定路径的每个链路或者跳(即，在节点之间)的光谱与沿着该路径的其它链路的每个光谱被单独考虑。特别是，搜索每个链路的光谱简档，以寻找具有足够自由光谱时隙的开始位置，以支持收发器的光谱宽度。针对每个可用位置，计算放置新信号的光谱的熵水平的改变。具有不充足光谱容量的所有其它时隙或位置被归于无限德尔塔(或者熵的改变)。针对路径中的其余链路重复以上过程，并且采用熵德尔塔的总和。然后，选择具有熵德尔塔的最低总和的频率时隙。

该构思可以以伪随机代码如下示出：

在示出以上的工作示例中，图8(a)示出沿着每个链路的光谱的包括具有16个频率时隙(f1至f16)的4个链路(S1至S4)的路径。再次，空方框示出未填充时隙，并且黑方框示出填充时隙，所以可以看出，所有光谱都被碎片化为不同程度。用于单个时隙需求的端到端的路径在时隙f5、f6、f8、f9、f11、f12和f13中通过所有4个链路为可用的。然而，在该示例中，要求2个时隙的新需求需要被放置于在时隙f5、f8、f11和f12中存在端到端路径可用性的路径上。如果新需求被放置为开始于该位置，则方框中的值示出熵改变或者德尔塔(ΔHfrag)。使用以上针对每个链路描述的熵计算方法获得这些。参考链路S1作为示例，时隙f4具有挨着它的可用时隙(时隙f5)，所以可以适应2-时隙需求。如果它承担该需求，则熵德尔塔值是-0.141。时隙f5具有相同特征，并且因此如果f5承担该需求，也将具有-0.141的熵德尔塔值。时隙f7被占用，并且因此时隙f6不具有承担2-时隙需求的容量，并且因此其改变值是无限的。在行Sum(ΔHfrag)中的值示出用于在所有4个链路中的每个可用时隙中的端到端路径的总德尔塔值。时隙f8产生-0.742的最低总(总计)MinEnt值，并且因此根据本发明的示例性实现，最佳选择可以是将新信号放在时隙f8中。

简言之，该方法可以总结为以下步骤：

(i)识别源节点与目的地节点之间的多个路径，

(ii)选择所识别的多个路径中的一个，

(iii)将新需求限定为占用一个或更多个相邻波长信道，

(iv)从源节点与目的地节点之间的所选路径上的光谱带中可用的自由光谱中选择多个可用新需求放置中的一个，将它暂时分配在光谱带中，

(v)在所选路径的光谱带内限定光谱资源的一个或更多个块，其中，每个块由一个或更多个相邻已使用或未使用的波长信道构成，

(vi)基于一个或更多个块中的每个中的波长信道的数量与中光谱带中的波长信道的总数的比率的对数，获得在其光谱带中限定光谱碎片化的所选路径的熵值，

(vii)迭代步骤(iv)至(vii)，直到已经确定每个可用需求放置的熵值为止，

(viii)迭代步骤(ii)至(vii)，直到已经确定所识别的多个路径中的每个的熵值为止，以及

(ix)从所识别的多个路径和需求放置中选择具有最低熵的路径和波长分配。

基于熵的光路由：(ii)基于路径的测量

熵测量可以应用于路由决定的第二种方式是根据基于路径的MinEnt值，其中，沿着路径中的所有链路的光谱简档被组合在一起，以形成单个端到端简档，然后搜索该单个端到端简档，以寻找产生最小熵德尔塔的光谱分配。

以下伪随机代码描述基于路径的方法背后的思想：

图8(b)是基于与图8(a)结合地最初论述的4-链路16-频率时隙示例，参考图8(b)，用图形描述作为初步要求的经过所有链路的端到端路径的可用性的方法。在此，两个最佳时隙选择是f5和f8，二者产生为-0.311的最低MinEnt值。

这符合基于链路的方法的结果，针对对两个优选时隙的结果的附加细化，将新信号放置到时隙f8中会对系统增加较少碎片化。两个方案都可以应用于源节点与目的地节点之间的多个潜在路径上，以搜索较低熵路由和波长分配。

网络演进规划

申请人对包括源节点和目的地节点的特定网络配置进行模拟，以测试上述两种基于熵的路由方法的有效性。图9和图10提供网络性能对随着时间增加的需求水平的视图，并且示出使用三个RSA方案的不同结果。图9中所示的曲线示出随着需求增加，整个未使用光谱网络碎片化熵(在所有网络链路中的未使用光谱碎片化熵的总和)如何演进，其中，针对在x轴上的需求水平绘制y轴上的平均网络熵。图10示出整个网络利用(在所有链路中已使用的光谱的量)如何演进，并且针对需求(在x轴上)绘制平均网络填充因数(即，所使用的容量，在y轴上)。在这两个曲线图中，基于三个RSA方案的规划被描述用于比较目的：基于链路的MinEnt数据由线(a)示出，基于路径的MinEnt数据由线(b)示出，并且具有第一拟合光谱分配的典型最短路径路由由线(c)指示。

图9示出基于状态的业务生成模拟，其中，业务仅被添加并且从不被改变或者去除，现在参考图9，可以看出，当与典型方法(线(c))相比时，使用基于链路的MinEnt方案(线(a))可以产生容量的显著改进，以吸收增加的业务增加水平。在整个网络中保持较低熵水平，这指示碎片化正在被最小化。假设算法试图获得链路中的最低熵德尔塔，这将被期望。如曲线(b)指示的，基于路径的MinEnt方法的使用比典型方法生成更多熵，这仅在高水平需求处产生超过传统方法的仅有限的改进。

图10示出基于链路的MinEnt方案的网络利用最初紧密地遵循典型结果，指示类似长度路线通过两个方案来选择。然而，在较高的需求水平和业务水平处，基于链路的MinEnt光谱分配方法的线(a)逐渐背离典型方法的结果，指示甚至随着典型路由和分配方法在此前开始慢下来，可以分配该需求。在基于路径的MinEnt方案的情况下，曲线(b)示出其使用产生更大的但关键重要性更大的整体熵水平，导致总网络资源的消耗更快。

返回参考图8(a)和图8(b)中所示的工作示例，该示例提供对基于路径的MinEnt方案的差性能的洞察。通过四个链路组合光谱简档的基于路径的方法隐藏了潜在光谱的复杂度，并且导致在f5和f8处的放置共享相同的最低熵德尔塔。如果选择f5，则降低利用在其它路径中的链路S1至S3上存在的较大间隙的可能性，然而f8处的放置导致填充公共光谱间隙并且减少总碎片化。因为路径中的链路的数量被光谱简档组合隐藏，所以也可能选择较长路径，产生更高水平的网络利用。通过利用所有可用的信息，基于链路的MinEnt方案将f8正确地识别为最佳选择。

最终，图11是在为传统配置的路由和分配管理中使用的网络组件之间的处理流的示意图。主要功能框是发送并且接收指令的NMS(100)。该处理通常开始于用于在源节点A与目的地节点B之间作出连接的请求。该请求被发送到NMS(步骤S61)，NMS寻找并且获得关于网络状态的数据(步骤S62和S63)。然后，使用该信息以基于网络状态发现合适路径(步骤S64)，其根据标准RSA方法(86)将包括最短路径计算。然后，将所识别的路径返回到(步骤S65)NMS。然后，配置WDM收发器(102)(步骤S66和S67)，以沿着为了该目的所识别的路径放置信号。

图12示出根据具体情况通过使用用于计算路径或链路的熵度量的处理或程序代替传统RSA方法，使得在路由系统内部署基于熵的度量变得相对容易。本领域技术人员将想到，作为替换的可选方案，除了标准路由决定之外，该系统还可以包括熵计算，并且基于链路的方法和基于路径的方法两者可以在适当情况下允许在作出决定之前执行对网络和所识别的路线的更深分析。

以上描述的并且在附图中的装置、方法和配置仅为了便于说明，并且不意味着将本发明的范围限制到任何特定实施方式。例如，对本领域技术人员来说是显而易见的是，在此描述的方法和处理中可以添加或者省略步骤。虽然示出本发明的应用的示例关于光网络并且特别是结合基于灵活栅格的系统作出，但是将想到，其它电信系统以及非电信系统在使用期间也可能经历资源碎片化，其可能受益于熵水平的分析。具体地，基于熵的碎片化RSA技术还可以在固定栅格场景中应用，以在网络中选择重新使用释放信道的路径和波长信道，其比开始使用当前在网络中未使用的新波长更优化。还将理解的是，这样的熵测量在多种情况下都有利地被应用，而不限于仅在识别网络路线方面使用。

Claims

1.一种用于在光系统中使用的路由和波长分配方法，该方法包括如下步骤：

2.根据权利要求1所述的方法，其中，步骤(ii)包括：通过使用以下公式确定所述熵值：

- Σ_{i = 1}^{N} \frac{D_{i}}{D} \ln \frac{D_{i}}{D}

其中，N是所述光路径光谱带中的块的数量，D是波长信道的总数，ln是自然对数，并且D_i是第i个块中的波长信道的数量。

3.根据权利要求1或权利要求2所述的方法，其中，步骤(i)包括：选择在所述光路径上可用的多个块中的一个块。

4.根据权利要求3所述的方法，其中，迭代步骤(i)和步骤(ii)，直到确定了所述多个块中的每个块的熵值为止，并且所述方法还包括以下步骤：

(iii)识别具有最低熵值的块。

5.根据任一项前述权利要求所述的方法，其中，所述光路径包括光链路，并且其中，所述源节点和目的地节点是相邻节点。

6.根据权利要求1至4中的任一项所述的方法，其中，所述光路径在所述源节点与所述目的地节点之间包括多个光链路，并且其中，获得所述光路径的熵值的步骤包括：获得所述多个光链路中的每个的熵值，并且对所获得的所述多个链路的熵值求和。

7.根据权利要求1至权利要求4中的任一项所述的方法，其中，所述光路径在所述源节点与所述目的地节点之间包括多个光链路，并且其中，获得所述光路径的熵值的步骤包括：通过所述多个链路识别所述光路径，并且获得所选路径的熵值。

8.根据权利要求3至权利要求7中的任一项所述的方法，其中，步骤(i)包括首先选择最短路径。

9.根据前述权利要求中的任一项所述的方法，其中，获得所述光路径的熵值的步骤进一步基于关于网络状态和收发器简档的信息。

10.根据前述权利要求中的任一项所述的方法，其中，所述波长信道具有任意谱宽度。

11.一种使得能够在光纤系统中进行路由和波长分配决定的处理器，所述处理器被配置成基于所选择的块中的波长信道的数量与光路径的光谱带中的波长信道的总数量的比率的对数，确定所述块的光谱熵水平的熵值。

12.一种使得能够进行路由和波长分配决定的网络管理系统，该网络管理系统被配置成：

13.根据权利要求12所述的系统，所述系统被配置成选择在所述光路径上可用的多个块中的一个块。

14.根据权利要求13所述的系统，所述系统还包括收发器。