CN108282382A - 线缆网络环境中的混合光纤同轴故障分类 - Google Patents
线缆网络环境中的混合光纤同轴故障分类 Download PDFInfo
- Publication number
- CN108282382A CN108282382A CN201711001477.1A CN201711001477A CN108282382A CN 108282382 A CN108282382 A CN 108282382A CN 201711001477 A CN201711001477 A CN 201711001477A CN 108282382 A CN108282382 A CN 108282382A
- Authority
- CN
- China
- Prior art keywords
- failure
- data
- network
- type signal
- cable network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/16—Threshold monitoring
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/317—Testing of digital circuits
- G01R31/3181—Functional testing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/317—Testing of digital circuits
- G01R31/3181—Functional testing
- G01R31/319—Tester hardware, i.e. output processing circuits
- G01R31/3193—Tester hardware, i.e. output processing circuits with comparison between actual response and known fault free response
- G01R31/31937—Timing aspects, e.g. measuring propagation delay
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B3/00—Line transmission systems
- H04B3/02—Details
- H04B3/04—Control of transmission; Equalising
- H04B3/14—Control of transmission; Equalising characterised by the equalising network used
- H04B3/142—Control of transmission; Equalising characterised by the equalising network used using echo-equalisers, e.g. transversal
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B3/00—Line transmission systems
- H04B3/02—Details
- H04B3/46—Monitoring; Testing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B3/00—Line transmission systems
- H04B3/02—Details
- H04B3/46—Monitoring; Testing
- H04B3/493—Testing echo effects or singing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B3/00—Line transmission systems
- H04B3/52—Systems for transmission between fixed stations via waveguides
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0677—Localisation of faults
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0686—Additional information in the notification, e.g. enhancement of specific meta-data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/149—Network analysis or design for prediction of maintenance
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/10—Active monitoring, e.g. heartbeat, ping or trace-route
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/64—Hybrid switching systems
- H04L12/6418—Hybrid transport
- H04L2012/6421—Medium of transmission, e.g. fibre, cable, radio, satellite
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2647—Arrangements specific to the receiver only
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/0001—Arrangements for dividing the transmission path
- H04L5/0003—Two-dimensional division
- H04L5/0005—Time-frequency
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q2213/00—Indexing scheme relating to selecting arrangements in general and for multiplex systems
- H04Q2213/13012—Hybrid fiber coax, HFC
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Cardiology (AREA)
- General Health & Medical Sciences (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
- Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
- Discrete Mathematics (AREA)
- Mathematical Physics (AREA)
Abstract
本公开涉及线缆网络环境中的混合光纤同轴故障分类。一个实施例是一种系统,包括位于线缆网络中的数据收集器,用于捕获穿过线缆网络的多音信号;位于云网络中的数据存储库,具有用于与数据收集器通信的接口,并存储由数据收集器捕获的多音信号和与线缆网络相关联的网络数据;以及中央服务器,该中央服务器包括:存储包括指令和相关联的数据的预测服务管理(PSM)算法的存储器元件,以及可操作来执行PSM算法的处理器。该中央服务器被配置为检测线缆网络中的故障并识别与故障相关联的段;确定故障的最大抽头型信号幅值;计算故障的总抽头型信号幅值;以及至少部分地基于该最大抽头型信号幅值和总抽头型信号幅值来对故障的严重程度进行分类。
Description
相关申请的交叉引用
本申请要求根据35U.S.C第119条第(e)项享有于2016年4月25日递交的、题为“PREDICTIVE SERVICES MANAGEMENT IN CABLE NETWORKS(线缆网络中的预测服务管理)”的美国临时专利申请No.62/327,159的优先权,其全部公开通过引用被完整结合于此。
技术领域
本公开总体涉及通信的领域,并且更具体地,涉及线缆网络环境中的混合光纤同轴(“HFC”)故障分类。
背景技术
消费者对带宽的需求持续呈指数增长,这给线缆网络市场中的竞争带来挑战。线缆运营商不断寻找部分地通过降低成本来提高利润和释放现金流的途径。可以通过各种方式来降低成本,例如,通过使用预测性的解决方案来前摄地对网络问题进行响应(例如,在中断发生前进行监控来缓解问题)以及通过提高维护效率(例如,通过在正确的时间将正确的资源准确部署在正确的地方)。可以通过使用装备有用于设施监控目的监控工具的缆上数据服务接口规范(DOCSIS)设备来在采用DOCSIS标准进行操作的线缆网络中实现监控。通过将这些设备作为网络探测器使用,线缆操作者可以收集设备和网络参数。将对收集的数据连同网络拓扑结构的分析和来自地理信息系统(GIS)的设备位置结合,可能会使任何潜在问题的来源在其对操作带来负面影响之前被隔离。然而,现有的用于前摄地对线缆网络中故障进行响应的机制在多个方面受到限制。
发明内容
本公开的一个实施例包括一种系统。该系统包括位于线缆网络中的数据收集器,用于捕获穿过线缆网络的多音信号;位于云网络中的数据存储库,具有用于与数据收集器通信的接口,并存储由数据收集器捕获的多音信号和与线缆网络相关联的网络数据;以及中央服务器,该中央服务器包括:存储包括指令和相关联的数据的预测服务管理(PSM)算法的存储器元件,以及可操作来执行PSM算法的处理器。该中央服务器被配置为检测线缆网络中的故障并识别与故障相关联的段;确定故障的最大抽头型信号(tap)幅值;计算故障的总抽头型信号幅值;以及至少部分地基于该最大抽头型信号幅值和总抽头型信号幅值来对故障的严重程度进行分类。
本公开的另一实施例包括一种在集成电路上执行的方法。该方法包括:检测线缆网络中的故障;识别与故障相关联的段;确定故障的最大抽头型信号幅值;计算故障的总抽头型信号幅值;以及至少部分地基于最大抽头型信号幅值和总抽头型信号幅值来对故障的严重程度进行分类。
本公开的另一实施例包括一种非暂态有形计算机可读介质。该计算机可读介质包括供执行的指令,这些指令在被集成电路运行时能够操作来执行如下操作,包括:检测线缆网络中的故障并识别与故障相关联的段;确定故障的最大抽头型信号幅值;计算故障的总抽头型信号幅值;以及至少部分地基于最大抽头型信号幅值和总抽头型信号幅值来对故障的严重程度进行分类。
附图说明
为提供对于本公开及其特征和优点的更完整的理解,参考了以下结合附图的描述,其中相似的标号代表相似的部分,其中:
图1是示出在线缆网络环境中支持用于预测服务管理的网络架构的通信系统的简化框图;
图2是示出通信系统的实施例的其他示例细节的简化框图;
图3是示出通信系统的实施例的其他示例细节的简化框图;
图4是示出通信系统的实施例的其他示例细节的简化框图;
图5是示出通信系统的实施例的其他示例细节的简化框图;
图6是示出通信系统的实施例的其他示例细节的简化框图;
图7是示出通信系统的实施例的其他示例细节的简化框图;
图8是示出通信系统的实施例的其他示例细节的简化框图;
图9是示出可以与通信系统的实施例相关联的示例操作的简化流程图;
图10是示出通信系统的实施例的其他示例细节的简化框图;
图11是示出通信系统的实施例的其他示例细节的简化框图;
图12是示出通信系统的实施例的其他示例细节的简化图;
图13是示出通信系统的实施例的其他示例细节的简化图;
图14是示出通信系统的实施例的其他示例细节的简化图;
图15是示出通信系统的实施例的其他示例细节的简化框图;
图16是示出通信系统的实施例的其他示例细节的简化图;
图17是示出通信系统的实施例的其他示例细节的简化框图;
图18是示出通信系统的实施例的其他示例细节的简化图;
图19是示出通信系统的实施例的其他示例细节的简化图;
图20是示出通信系统的实施例的其他示例细节的简化图;
图21是示出通信系统的实施例的其他示例细节的简化框图;
图22是示出通信系统的实施例的其他示例细节的简化图;
图23是示出通信系统的实施例的其他示例细节的简化图;
图24是示出通信系统的实施例的其他示例细节的简化图;
图25是示出可以与通信系统的实施例相关联的示例操作的简化流程图;
图26是示出通信系统的实施例的其他示例细节的简化图;
图27是示出通信系统的实施例的其他示例细节的简化框图;以及
图28是示出通信系统的实施例的其他示例细节的简化图;
具体实施方式
概述
一个实施例是一种系统,该系统包括位于线缆网络中的数据收集器,该数据收集器用于捕获穿过线缆网络的多音信号;数据存储库,该数据存储库位于云网络中并具有用于与数据采集器进行通信的接口,该数据存储库存储由数据收集器捕获的多音信号和与线缆网络相关联的网络数据;以及中央服务器,该中央服务器包括存储包括指令和相关联的数据的预测服务管理(PSM)算法的存储元件和可操作来运行PSM算法的处理器。该中央服务器被配置为用于检测线缆网络中的故障并识别与故障相关联的段;确定故障的最大的抽头型信号幅值;计算故障的总抽头型信号幅值;以及至少部分基于最大抽头型信号幅值和总抽头型信号幅值来对故障的严重程度进行分类。
示例实施例
转向图1,图1是根据一个示例实施例示出的用于在线缆网络环境中进行信号故障表征(signature)隔离的通信系统10的简化框图。图1示出了促进线缆调制解调器终端系统(CMTS)14和一个或多个DOCSIS终端设备16(例如,线缆调制解调器(CM))之间的通信的线缆网络12(一般由箭头指示)。要指出的是,在各种实施例中,终端设备可以包括以下各项中的任意一项:调制解调器终端适配器、多媒体终端适配器、网络电话(“VoIP”)终端适配器、DOCSIS机顶盒网关的嵌入式线缆调制解调器或类似设备。终端设备16经由诸如混合光纤同轴(HFC)射频(RF)放大器20和无源器件22之类的节点被连接到线缆网络12的头端(包括一个或多个收发器18和CMTS 14),无源器件22包括布线、分接、分路器、以及直列式(in-line)均衡器。线缆网络12包括未在图中详细示出的、并且促进收发器18和终端设备16之间多音调信号的通信的各种其他组件。
在一些实施例中,CMTS 14在地理上远离收发器18并且跨越融合互连网络(CIN)与收发器18连接,该融合互连网络包括根据某些具体DOCSIS(及其他)协议促进通信的IP网络。该头端连接到IP(互联网协议)网络和/或PSTN(公共交换电话网络)网络。诸如电视节目、音频、视频和其他数据之类的数据被从头端发送到终端设备。此外,终端设备16发送上行至头端的数据。每个节点可以连接到多个终端设备。在各种实施例中,节点连接到头端,并且头端包含多个CMTS单元。每个CMTS包含与多个终端设备通信的多个收发器。例如,每个CMTS可以具有八个或更多个接收器,并且每个接收器可以与数百个终端设备进行通信。
预测服务管理(“PSM”)模块24被配置在通信系统10中的一个或多个位置处,以促进对线缆网络12的有效且前摄的维护。PSM模块24在线缆网络12中即将出现的和当前的网络连通性问题(包括故障节点、退化节点、带宽损失等)发展到影响服务之前自动识别这些网络连通性问题。PSM模块24还可用于识别要被执行以防止或校正那些问题任何校正措施和/或消除/最小化它们对客户服务的影响。PSM模块24还使得授权的用户能够获得达颗粒级别(例如,单一服务组甚至个体客户)的对网络行为的更深入了解,。PSM模块24可以提供智能和海量数据解译功能,从而精确定位(一个或多个)网络问题的源头,并提供推荐的措施来校正问题。在技术层面上,PSM模块24能够管理数十兆兆字节的历史网络设备操作信息,同时提供对来自网络设备和客户驻地设备(CPE)(例如,线缆调制解调器和其他终端设备16)的最新信息的实时查询和访问。
PSM模块24使用预均衡系数作为度量来确定和识别线缆网络12中的故障。在一个实施例中,PSM模块24识别故障表征,并且所识别的故障表征触发线缆网络12的进一步操作维护。例如,所识别的故障表征触发PSM模块24中的故障定位和故障分类操作;在另一示例中,所识别的故障表征触发对现场技术人员或网络运营人员的呼叫。在各种实施例中,通过算术方法来缓解群延迟的不良影响,例如,以提高信号故障表征识别的准确性。
在一般意义上,诸如放大器20、无源器件22和终端设备16之类的HFC组件引起线缆网络12中的信号损害,包括通过回波损耗(RL)、隔离、混频以及组合。例如,反射(包括微反射)可能由一段连接两个具有不良回波损耗的设备的线缆(作为信号反射器)所引起。任何HFC组件都具有反射信号的潜在可能。典型的CM是针对6dB回波损耗的设计限制进行配置的,而其他组件通常反射较低百分比的入射功率。
为减少这样的信号损耗,一般在线缆网络12中实现预均衡。针对信号(例如,包括在特定频率的载波上承载的数据信号)的每个信道,均衡器(包括电路)生成使用在数字均衡滤波器中的系数,数字均衡滤波器利用这些系数处理传入信号来进行逆信道响应,从而消除了由上行信道损害导致的信道中的失真。实际上,电路构建了数字滤波器,该数字滤波器具有与要通过它来传输信号的信道大致相反的复频率响应。DOCSIS 2.0和DOCSIS 3.0指定了二十四个符号间隔的复系数,也被称为抽头型信号。预均衡系数被用于二十四个符号周期时间窗口中的幅值和相位校正。
线缆调制解调器和其他这样的终端设备16通常实现预均衡以减轻上行信道损害(例如,针对从CM 16向CMTS 14发送的信号)。上行预均衡机制依赖于用于确定和调整预均衡系数的DOCSIS测距过程的相互作用。在各种系统中,CMTS 14针对每个终端设备16的预均衡系数,并将它们提供给终端设备16中的相应的一者。终端设备16处的合适的数字滤波器使用它们各自的预均衡系数来对上行信号进行预失真以补偿已知的(例如,预期的和/或预测量的)上行路径失真(例如,线性损伤),以使得当预失真的上行信号穿过线缆网络12时被校正并在到达CMTS 14时无失真。
美国有线电视实验室前摄网络维护(PNM)系统公开了一种使用预均衡系数进行故障识别和隔离的方法。根据PNM,CM和CMTS被轮询来获得来自所有配置的上行信道的均衡系数数据。对所收集的数据进行格式完整性的验证,并将其标准化以用来进行比较。为了可扩展性的目的,通过针对表现出明显高于预先确定的级别的失真的CM采用较频繁的轮询周期并且针对其他CM采用较不频繁的周期来进行数据采集过程。基于非主抽头型信号与总能量(NMTER)的比值来确定失真。接着进行详细分析,包括对来自频域和时域分析的失真表征的校准和确定。
利用预均衡系数,可以确定两个反射点之间的大致距离。预均衡系数的抽头型信号中的每一者代表在一段时间内的信号中的能量。指示更多能量的预均衡系数的抽头型信号代表反射点。换句话说,抽头型信号中的每一者与基于信道的符号率的时间段有关。当抽头型信号提升至功率电平幅值时,它指示该时间段中的阻抗失配。因此,将信号的抽头型信号能量与抽头型信号能量的期望值进行比较指示可能由故障引起的信号中的异常。故障抽头型信号与主抽头型信号在时域中的间隔指示反射点的相应距离。
然而,由PNM检测到的失真表征包括群延迟和微反射。换句话说,PNM不会由于失真表征的确定而隔离或消除群延迟的影响。但是,群延迟可以对抽头型信号进行模糊和平滑,这样会使得难以在10英尺的精度下隔离指示网络中的故障的相关(例如,独特的)抽头型信号。因此,在存在显著群延迟时,PNM技术不能足够准确地检测故障。
群延迟是弧度相位相对于弧度频率的负导数(根据电气和电子工程师协会(IEEE)电气和电子术语的标准词典)。群延迟被以数学方式表达为:
其中GD是以秒为单位的群延迟,是以弧度为单位的相位,ω是以弧度/秒为单位的频率。群延迟是对以不同速度通过相同介质的不同频率的度量。如果相位对频率响应与频率不成比例地变化,就会存在群延迟。在不存在群延迟变化或群延迟失真的网络中,所有频率都是以相同的时间量通过网络的,即,具有相同的时间延时。如果存在群延迟失真,则某些频率的信号比其他频率的信号传播得更快。线缆网络12中的群延迟的常见来源包括:电源线圈、双工滤波器、带边缘和滚降区域、高通滤波器、仅数据滤波器、分级衰减器、带滤波器的直列式均衡器、与阻抗失配相关的微反射等。
在使用预均衡系数来检测故障的算法中,群延迟对故障表征识别造成影响。在存在群延迟的情况下,一般无法检测-25dB的抽头型信号,因为侧抽头型信号可能使迫近的回波下降高达-10dB的水平。因此,群延迟可导致错误的抽头型信号检测或者抽头型信号定位(在时间上)的准确度较差。与PNM不同,在各种实施例中,PSM模块24使用相位域分析(代替或者添加到频域和/或时域分析)和针对群延迟的补偿来从线缆网络12中所捕获的信号识别故障表征。
为了说明的目的,术语“故障表征”包括对超出其预期值或范围的性能度量的观察。在这样的期望值或范围中可以有是以下两方面:(1)绝对阈值:例如,如果信号水平低于-20dBmV/6MHz,或者就主抽头型信号而言预均衡系数中的微反射为-25dB或更高,则信号被视为不规范;和(2)相对阈值:例如,针对一致性来对观察结果进行检测,该相对阈值可以关于时间、频率和/或对等(CM组)来指定。例如,如果信号水平在N秒(ms至ms)内变化xdB,则可以指示时间一致性。例如,如果信号水平在【短】频谱上变化ydB,则可以指示频率一致性。例如,如果信号水平低于其相邻CM zdB,则可以指示对等一致性。
在一般意义上,绝对阈值规范可用于下行(“DS”)和上行(“US”)信号水平、调制误差比(“MER”)、信噪比(“SNR”)、前向纠错(“FEC”)统计和预均衡系数。相对阈值规范可以用于与绝对阈值相同的度量,区别在于这些度量各自的一致性被评估,而不是绝对值。例如,在短时间段内的变化(在两次数据轮询内的变化)(注意:可能无法检测到缓慢的变化(例如,由于腐蚀而导致的变化));由载波到载波交扰频谱的变化(例如,具有6MHz/6.4MHz的粒度);以及(例如,基于来自GIS数据库中的HFC和CM地理位置)从一组CM到其他组CM的变化。可能可用的度量包括US全频段捕获、DS全频段捕获和DS预均衡系数(如果可用的话)。
对选择用于故障表征识别的特定度量的决定可以依赖于度量的可用性、其客观特性及灵敏度。例如,虽然可能希望利用尽可能多的度量,但是有效的PSM算法可能是在当前(例如,而不是未来)可用并且可从大多数终端设备16(若非全部)获得的度量的基础上建立的。度量的选择可以是客观的,也就是说,不受制于由CMTS 14引起的改变或者不是HFC依赖的。此外,为了使得PSM模块24能够在故障升级并影响到客户服务之前检测到故障表征,所选择的度量对于故障应具有高灵敏度。
在示例实施例中,PSM模块24使用预均衡系数作为主要度量并且使用FEC统计、信号水平和MER(调制误差比)作为辅助度量来进行故障表征识别。预均衡系数中的抽头型信号是静态的并且是自援引的(例如,使用主抽头型信号),因此其在可用性方面可以是很好的度量。在SNR、FEC、MER和预均衡系数中,预均衡系数提供了最可靠和敏感的故障表征。预均衡系数的抽头型信号可以在其升级并影响到网络性能之前指示故障(以及在与附加信息结合时指示故障的位置)。此外,可以使用现有机制(例如,通过对系数值和其他相关物理层(“PHY”)度量的周期性轮询)从线缆网络12的各种组件适当地撷取预均衡系数。
在各种实施例中,PSM模块24通过以下方式对线缆网络中现有信号故障识别技术提供改进:使用已知技术(例如,逆最小均方误差(MMSE)或迫零(ZF)均衡算法)从预均衡系数导出信道响应,然后从信道响应的主抽头型信号(例如,抽头型信号索引8)处开始,在相位域中针对信道响应中的选定抽头型信号搜索回波,利用该回波找到特定相位(例如,对应于相关峰),例如通过将信道响应旋转特定相位来对信道响应进行去相位化,从经去相位化的信道响应计算抽头型信号幅值,并从信道响应中减去计算得出的抽头型信号幅值,由此消除了群延迟的影响。对下一抽头型信号位置继续这些操作。
如本文所使用的,术语“信道响应”包括通信信道(例如,具有一个或多个频率或特定频率分配(例如,在RF频谱中)的信号的信号路径)的数学特征(例如,模型、模拟、定量估测等)。换句话说,信道响应对时变信号在其通过信道时的信道行为(或信道的效应)进行建模。这通常是输出信号(例如,作为频率的函数)相对于输入信号的幅值和相位的度量。
使用CableLabs PNM技术不能从对故障的估算中消除群延迟。群延迟在主抽头型信号周围引起大的侧抽头型信号,这会使得实际回波(抽头型信号)损耗高达-10dB(前几个抽头型信号)。此外,每个单独回波的群延迟将使得抽头型信号模糊和平滑化,从而导致抽头型信号检测的失败和抽头型信号定位不佳。为使得预均衡系数可用,PSM模块24消除群延迟的影响。因此,PSM模块24可以在群延迟的影响被消除之后检测独特的抽头型信号并且该检测可以通过低于主抽头型信号-25dB的量级以及20ns的精度、或者约为10英尺的线缆长度被可靠地执行,从而相对于目前存在的技术(例如,PNM)提供了更佳的精度。
转向信道响应,假设H(t,τ)是信道输出在时间t与在时间t-τ施加的脉冲的比,τ代表信道延迟。通常,线性时变(LTV)信道的输出信号r(t)关于输入信号s(t)被表达为:
在一般意义上,信道响应对由信道引入至输入信号s(t)的误差进行了仿真(例如,建模、估算、近似)。在通信系统10的实施例中,使用预均衡系数所推导出的信道响应基本上包括信道中的所有误差,包括群延迟在内。在各种实施例中,PSM模块24包括用于使用相位域分析从估算的信道响应中消除群延迟的影响(例如,借以解释接收的信号中的群延迟;估算群延迟对接收的信号的贡献等进行的估算)的算法。
PSM模块24以CableLabs PNM为基础来创建使用以下各项的组合的服务:来自终端设备16的频谱信息(预均衡系数)、上行调制解调器数据(通过近实时的DOCSIS管理信息库(“MIB”))和数据分析。PSM模块24使用该信息来收集和关联的网络地理设计和拓扑数据、客户服务数据和操作数据,同时考虑到诸如群延迟之类的信道效应以增加准确性。其结果是定制开发一种可以在问题影响操作和客户满意度之前对其进行检测和定位的算法。
根据示例实施例,PSM模块24使用DOCSIS终端设备16作为遍布线缆网络12的连续探测器(例如,传感器、测量设备)来识别和定位设施和订户掉线(drop)问题。PSM模块24执行趋势分析以在故障发生之前对其进行预测。PSM模块24通过例如从预均衡系数导出故障表征、搜索指示存在线性失真的响应、以及在数字化设施地图上叠加终端设备位置信息来将网络性能提高到DOCSIS 3.1的更高级别。
转至通信系统10的基础设施,网络拓扑结构可以包括任意数量的线缆调制解调器、客户驻地设备、服务器、交换机(包括分布式虚拟交换机)、路由器、放大器、分接头、分路器、组合器、以及互连以形成庞大而复杂的网络的其他节点。网络12代表用于接收和发送将被递送到通信系统10的信息的分组和/或帧的互连通信路径的一系列点或节点。要指出的是,线缆网络12也可以被称为线缆设施和/或HFC网络。节点可以是能够通过网络中的通信信道发送、接收、放大、拆分或转发信号的任意电子设备、计算机、打印机、硬盘驱动器、客户端、服务器、对等机、服务设备、应用或其他对象。图1的元件可以通过采用任何合适的为电子通信提供可行路径的连接(有线的或无线的)的一个或多个接口彼此耦合。另外,这些元件中的任何一者或多者可以基于特定的配置需求进行组合或从架构中移除。
线缆网络12提供线缆网络组件之间的通信接口,并且可以包括根据DOCSIS协议和用于在通信系统10内发送和接收数据分组的任何其他合适的通信协议来促进网络环境中的通信的任意适当的架构或系统。本公开的架构可以包括能够进行用于对网络(包括线缆网络12)中的信号进行电子发送或接收的DOCSIS、TCP/IP、TDMA和/或其他通信的配置。本公开的架构还可以在适当的情况下并根据特定需求而结合任意合适的协议来运行。此外,可以使用网关、路由器、交换机、和任何其他合适的节点(物理的或虚拟的)来促进网络中各个节点之间的电子通信。
在一些实施例中,通信链路可以表示支持网络环境任意电子链路,例如,线缆、以太网、无线技术(例如,IEEE 802.11x)、ATM(异步传输模式)、光纤等等,或它们的任意合适的组合。在其他实施例中,通信链路可以表示通过任何适当的介质(例如,数字用户线(DSL)、同轴光纤、电话线、T1线、T3线、无线、卫星、光纤、线缆、以太网等,或它们的任意组合)和/或通过诸如广域网(例如,互联网)之类的任意附加网络的远程连接。
要指出的是,分配给附图的元件的数字和字母名称不意味着任何层级类型;名称是任意的并仅用于教导的目的。这样的名称不应以任何方式被解释为限制其在可以受益于通信系统10的特征的可能环境中的能力、功能或应用。应当理解的是,图1中所示的通信系统10被简化以便于说明。
在特定实施例中,CMTS 14可以包括具有促进这里所描述的功能(包括将高速数据服务(例如,线缆互联网或通过互联网协议语音(例如,以数字、RF、或其他合适的信号的形式))提供至线缆用户(例如,线缆调制解调器16))的适当端口、处理器、存储器元件、接口以及其他电气和电子组件的硬件设备。在各种实施例中,CMTS 14包括通用宽带路由器(uBR),该uBR具有使其能够通过合适的线缆调制解调器卡与HFC线缆网络通信的特征,其中该线缆调制解调器卡提供了uBR协议控制信息(PCI)总线与DOCSIS HFC线缆网络上的RF信号之间的接口。
在一些实施例中,CMTS 14可以包括以IP协议发送和接收数字信号的融合线缆接入平台(CCAP)核心,该CCAP核心与(一个或多个)物理接口(PHY)收发机(例如,将数字IP信号转换成RF信号和反之将RF信号转换成数字IP信号的收发机18)耦合。PHY收发器(例如,收发器18)可以与CCAP核心一起位于共同的位置处,或者可以位于远离CCAP核心的位置并且通过融合互连网络(CIN)进行连接。在一些实施例中,CMTS 14可以包括单个CCAP核心和多个PHY收发器(例如,收发器18)。CMTS 14被连接(例如,比如通过有线通信信道通信地耦合)到终端设备16、收发器18、和线缆网络12中的其他网络元件。
收发机18可以包括用于促进这里所描述的操作的合适的硬件组件和接口。在一些实施例中,收发机18可以嵌入在另一硬件组件(例如包括主板、微处理器和其他硬件组件的宽带处理引擎)中或者是其中的一部分。在一些实施例中,收发器18包括被部署在支持PHY层处的RF功能的同轴介质转换器(CMC)中的下行和上行PHY模块。收发器18可以包括可被插入至网络元件机架中的可插拔模块(例如,小型可插拔(SFP))或直接附着到线缆的嵌入式模块。除光接口和电接口之外,根据特定需求,收发器18还包括PHY芯片、合适的数字信号处理器(DSP)和专用集成电路(ASIC)。
放大器20包括适用于线缆网络12的RF放大器。放大器20通常被间隔地用在网络12中,以克服由各种因素(例如,拆分或分接同轴线缆)引起的线缆衰减和电信号的无源损耗。放大器20可以包括中继放大器、分配放大器、线扩展器、室放大器以及在线缆网络中使用的任何其他合适类型的放大器。
在各种实施例中,PSM模块24包括在集成电路(例如,数字信号处理器(DSP)、现场可编程门阵列(FPGA)、专用集成电路(ASIC))、印刷电路板、或具有合适的晶体管、导体、电阻器和其他电子组件的其他合适的平台上制成的电子电路,以便执行这里所描述的各种操作。在一些实施例中,PSM模块24被并入到CMTS 14中;在一些其他实施例中,PSM模块24被并入到诸如连接到线缆网络12的服务器之类的计算设备中;在其他实施例中,PSM模块24包括例如可由现场的线缆技术人员使用的独立的专用设备。
转向图2,图2是示出根据通信系统10的实施例的PSM模块24的示例细节的简化图。设备数据32、客户服务更新34、网络设计数据36(以及其他未在图中示出的数据)被收集并存储为网络数据38。设备数据32包括与线缆网络12中相应设备的操作相关的设备类型、设备特性和其他信息。例如,设备数据32包括线缆网络12中的特定放大器的放大器构造、类型、制造商编号、规格等。客户服务更新34包括订户户信息,例如,授权的网络服务、订阅服务、订阅带宽、订户的订户服务质量以及与线缆网络12中的各个客户站点处的网络服务相关的其他信息。网络设计数据36包括将线缆网络12中的设备与特定地理信息相关联的GIS数据。
在网络数据38上运行PSM算法40,以找出线缆网络12中的故障并确定问题起因。如本文使用的,术语“算法”是指由问题解析分析中要遵循的一组条件性规则和步进操作的自包含处理。PSM算法40促进在被运行时经历有限数目的定义明确的连续确定性(例如,非随机)状态最终产生输出并终止于最终结束状态的计算。换句话说,PSM算法40将网络数据38作为输入,在其上执行计算,并且产生影响线缆网络12的网络诊断操作的一个或多个输出。在示例实施例中,PSM算法40包括可由处理器执行的指令和与其相关联的数据。
基于PSM算法40的结果生成工作命令42、故障位置信息44和诊断细节46。PSM模块24的关键方面在于在即将发生的网络问题对客户产生负面影响之前将其检测出。PSM模块24提供旨在向网络运营商和现场技术人员建议关于线缆网络12中的故障及其可能的解决方案的支持平台。
转向图3,图3是示出根据通信系统10的实施例的PSM模块24的示例细节的简化图。PSM模块24中包括用于存储与PSM算法40相关联的指令和数据的处理器48和存储器元件49。在各种实施例中,处理器48与存储器元件49一起进行操作以运行PSM算法40。在示例实施例中,在集成电路(例如,专用集成电路(ASIC))上制造PSM模块24。
网络数据38包括关键性能指标(KPI)50,KPI 50包括信号水平、信噪比(SNR)、前向纠错(FEC)、和预均衡系数以及PSM数据51,包括所有与故障检测、隔离和维护相关的其他信息,包括设备数据、地理信息系统(GIS)数据、客户订户信息等。KPI 50和PSM数据51被提供给PSM算法40。在各种实施例中,预均衡系数被用作故障的主要指标,SNR、FEC和信号水平被用作故障的辅助指标。在各种实施例中,预均衡系数可以通过对终端设备16的定期轮询获得,而辅助指标可以从实时对穿过线缆网络12的信号的全频谱的捕获而获得。
GIS数据可以作为PSM数据51被从GIS数据库(例如,存储用于各种用途的地理空间数据(例如,在空间(位置)上由相对于地球的四个维度(几何维度(例如,纬度、经度、深度)和时间维度)定义的数据)、网络信息和GPS地图)提供。在一些实施例中,线缆网络12中的监控和信号泄漏信息被收集并链接到GIS数据库中,以便将相关的网络信息、故障、泄漏、天气事件、交通拥堵等相结合。例如,具有基于DOCSIS的应答器的电源、光节点、放大器和其他有源设备将性能数据提供回CMTS14。应答器使用DOCSIS标准进行光纤节点和电源监控。自动信号泄漏检测捕获射频泄漏爆发并记录时间/日期戳和GPS位置,以及将所捕获的数据发送回中央GIS数据库。
在各种实施例中,PSM模块24从穿过线缆网络12的信号撷取KPI50。PSM模块24中的信号故障表征识别算法52使用KPI 50来识别线缆网络12中的一个或多个故障。在示例实施例中,基于信道响应的预均衡系数和相位域分析来识别故障表征。故障表征指示故障距线缆网络12中已知反射点的距离。例如,信号故障表征识别算法52输出指示第二抽头型信号距离主抽头型信号高于预定阈值的故障表征。抽头型信号的时序可用于标识相应故障的位置,例如,故障位于距特定数据采集器设备(例如,测试仪)附近10英尺处。为进行进一步解释,假设断开的桥式放大器和断开的耦合器相距400英尺,分别产生10dB和7dB的回波损耗。故障将呈现为信道响应中在920ns处具有-24dB的水平的抽头型信号(假设800英尺线缆引起额外的7dB损耗和920ns延迟)。
在一些实施例中,可以将信号/噪声水平和FEC比值用作用于进行故障表征识别和定位的辅助度量,例如,以提高精度。对于故障表征识别,FEC统计通常比MER(噪声)更敏感。此外,FEC具有明确界定的边界(例如,<10-4)。然而,FEC统计不是100%客观的,因为它取决于用户简档(例如,QAM(正交振幅调制)级别)。此外,FEC统计是长期平均值,而非特定时间的性能的快照。在示例实施例中,不可校正码字与总接收的码字的比值被用作故障表征识别的度量。做出信号/噪声和FEC是否指示任何故障表征的确定。例如,频率或时间或对等设备的不一致可以指示故障。
当信号/噪声水平针对其一致性进行评估时,信号/噪声水平可以是信号故障表征的良好指示。FEC比值可以基于绝对阈值(例如,10-4或10-5应该是触发故障表征识别的适当阈值)进行评估。然而,由于信号/噪声水平中自然存在的变化很大,并且系统对FEC比值进行自动修正,所以很难用它们来识别“潜在”问题;它们更多的是关于“运行”或“不运行”的二进制指示。可以通过将两种方法(例如,经由预均衡系数并且经由信号/噪声水平和FEC比值确定位置)联合使用来提高定位精度。这在同一时间发生多个故障的情况下特别有用,其中一些故障是有源器件(限幅),一些是无源器件(阻抗失配)。
PSM模块24针对与线缆网络12相关联的地理信息访问数据存储库,并且基于故障表征和地理信息来确定线缆网络12中的故障的位置。故障定位算法56使用包括GIS数据的PSM数据51来(例如,基于信号时序和其他考虑)将所识别的故障表征与故障位置相关联。例如,故障定位算法56识别出10英尺区域中1组或2组20台特定设备可能是潜在故障发生器。在一些实施例中,从GIS数据库撷取GIS数据(例如,存储地理空间数据(例如,通过四个维度(几何维度(例如,纬度、经度、深度)和时间维度)在空间(位置)上定义的数据))、网络信息和GPS地图)。在一些实施例中,线缆网络12中的监控和信号泄漏信息被收集并链接到GIS数据库中,以将相关的网络信息、故障、泄漏、天气事件、交通拥堵等相结合。例如,具有基于DOCSIS的应答器的电源、光节点、放大器和其他有源设备将性能数据提供回CMTS 14。应答器使用DOCSIS标准进行光纤节点和电源监控。自动信号泄漏检测捕获射频泄漏爆发并记录时间/日期戳和GPS位置,以及将所捕获的数据发送回中央GIS数据库,数据被从中央GIS数据库提取并提供给PSM算法40。
根据示例实施例,可以通过3D群集的过程和受影响的CM阈值来定位多个故障。根据3D群集,通过故障表征识别算法来针对CM定位抽头型信号和关联的抽头型信号幅值和时间。选择具有大于预定阈值(例如,-30dB)的抽头型信号幅值的有效抽头型信号。所选的抽头型信号被分组成包括幅值、时间和相位的3D空间中的多个子组。计算每个子组的平均定时。对于群集中的每个点(例如,终端设备16),使用平均定时来搜索GIS数据库以找到长度与平均定时最匹配的相关段。该段的两端被标记为潜在的故障位置。
在一些实施例中,针对显示相同故障表征的终端设备16识别出线缆网络12中的聚合点;聚合点指示故障位置。在示例实施例中,基于检测到的抽头型信号来确定若干受影响的CM。受影响的CM是CM中检测到导致设备被标记为有故障的抽头型信号的一个CM。合理的故障位置至少具有特定预配置的阈值N个受影响的CM。例如,在特定地理区域中的仅一个CM出故障可以不指示网络故障;而特定地理区域中的成百个CM出故障可以指示网络故障。针对中继线缆和分支线缆的预配置阈值可能会有所不同。例如,如果在中继线缆上发现8个设备报告故障,则可能会触发故障定位;而如果在分支线缆上发现1个设备报告故障,则可能会触发故障定位。根据受影响的CM的数目,对潜在的合理故障位置进行分类。根据受影响的CM的数目,识别出合理故障位置的预配置数目为M个并对其进行报告。
PSM模块24针对与线缆网络12相关联的设备信息访问数据存储库,并且基于故障的位置和设备信息来确定故障的类型。故障分类算法58通过指定与由故障定位算法56输出的故障位置中的故障表征相关联的可能的故障类型来提供附加的故障排查功能。例如,故障分类算法58指示故障表征与放大器相关联,而不是无源分接头/分路器或线缆相关联,从而将故障发生器选择局限到两个或三个器件。
针对故障分类,可以考虑以下两个方面:(1)故障严重程度;和(2)故障设备类型。PSM模块24输出三个变量作为严重程度指示:(1)最大抽头型信号幅值:故障设备可以被多次标记,并且可以针对该故障设备记录和输出最大抽头型信号幅值;(2)总抽头型信号幅值:故障设备可以被多次标记,并且将抽头型信号幅值加在一起,然后除以生成那些标记的终端设备16的数目;其商被作为该故障设备的总抽头型信号幅值输出;以及(3)受影响的终端设备16的数目。在示例实施例中,检测到的故障根据其严重程度和类型进行分类。在一个示例中,严重程度通过(最大和总)抽头型信号幅值和受影响的终端设备16数目来指示。设备类型基于其位置被从GIS数据库中撷取。
PSM模块24基于故障的类型、故障的位置和故障表征来激活修复和维护活动。故障管理和通知算法60向网络运营商通知该问题;在一些实施例中,故障管理和通知算法60有助于调配现场技术人员去往受影响的设备位置以在客户面临问题之前修复故障。
转向图4,图4是示出根据通信系统10的实施例的PSM模块24的高级架构70的示例细节的简化图。在线缆网络12中发生故障72(例如,微反射、线端问题、同轴线缆提升、腐蚀的连接器、室内问题等)。在该图中示出了用于识别故障72、精确定位相应的位置、以及提供修理和维护建议以及其他相关信息的示例PSM信息流74。包括CMTS数据(例如,网络配置、DOCSIS MIB等)、线缆调制解调器数据(例如,预均衡系数)、和全频谱捕获(例如,信号水平、SNR、FEC等)的各种数据76是通过(例如,使用)一个或多个数据收集器78从线缆网络12获得的。在一些实施例中,可以通过技术人员门户80而非通过数据收集器78来辅助全频谱捕获。
在一些实施例中,数据收集器78包括独立箱,该独立箱配置有执行数据收集操作的电路,并且具有连接到线缆网络12中的线缆和接入穿过线缆的信号的端口。数据采集器78可以包括促使其能够连接到线缆和诸如智能电话或计算机之类的其他设备的数据端口、信号端口和其他合适的接口。在其他实施例中,数据收集器78包括与线缆网络12中的线缆调制解调器和其他DOCSIS终端设备16共址或集成的电路。在其他实施例中,数据收集器78包括集成到手持式或台式测试仪中的电路以允许捕获线缆网络12中的信号。在其他实施例中,数据收集器78包括合适的无线设备(例如,智能电话),该无线设备配置有使得智能电话能够被连接至线缆网络12中的线缆并捕获穿过线缆的信号的专用软件(例如,应用软件)。
捕获的数据76以及来自订户数据库82的订户信息被馈送到PSM门户84。PSM门户84提供故障场景分析的结果、促进不同的度量和算法(例如,在逆ZFE和MMSE算法之间进行选择来进行故障表征识别;从各种地图类型中选择特定类型的地图;从各种服务中选择特定的网络服务等)的优化控制杆,并提供关于问题建档、跟踪的问题、用于现场技术人员的资源、优化服务递送选项方面的建议。PSM门户84使得网络运营商能够通过PSM模块24查看操作。PSM分析模块86运行PSM算法40,并且基于PSM算法40的结果绘制预均衡系数、信道响应、相位响应、群延迟和QAM星座图、以及各种网络服务(例如,新闻、体育、视频点播(VOD)、DOCSIS)的图表,以使得网络运营商、网络工程师和其他相关的操作人员可以看到并且理解PSM模块24所进行的分析结果。PSM分析模块86的结果(包括向现场技术人员提供的建议、维护操作等)被返回到线缆网络12,以允许在客户服务中断之前有效地采取预防措施。
转向图5,图5是示出根据通信系统10的实施例的示例细节的简化图。线缆网络12包括例如由表现出不期望的信号反射的故障设备(包括线缆)引起的故障72。仪表88(例如,由现场技术人员、网络运营商等)连接到线缆网络12。在示例实施例中,仪表88包括无线设备,其包括被配置有用于执行这里所描述的操作的专门应用的无线电话。在另一示例实施例中,仪表88包括插入到线缆网络12的网络测试设备。在示例实施例中,仪表配置有PSM模块24的一部分,例如,包括部分A的24(A)。在一些实施例中,部分24(A)包括被配置用于从线缆网络12进行全频谱捕获的技术人员门户80。
仪表88通过网络90(例如,无线网络)连接到服务器92,该服务器配置有PSM模块24的其余部分B,即24(B)。在许多实施例中,部分24(B)包括PSM门户84、订户数据库82、和PSM分析模块86。线缆网络12可以例如通过网络90单独连接到服务器92。
在操作期间,来自线缆网络12的数据76被撷取并存储在服务器92中。数据76可以包括CMTS数据、线缆调制解调器数据、网络更新、预均衡系数、阈值等。在一个实施例中,预均衡系数,通过对线缆网络12的定期轮询被获得并存储在服务器92处。现场技术人员将仪表88连接到线缆网络12,例如将其插入到线缆内或放大器等。在一些实施例中,仪表88从线缆网络12接收信号以进行全频谱捕获;仪表88通过网络90将全频谱捕获发送到服务器92。PSM模块部分24(B)分析包括全频谱捕获的数据76和来自订户数据库82的数据,并向在仪表88中运行的PSM模块部分24(A)提供建议94。建议94可以通过示例而非限制性的方式包括针对另外的检查或信号捕获、修复过程、校正措施、预防措施等的指令,以使得现场技术人员能够进行故障检测并修复故障72。
在一些实施例中,PSM模块部分24(A)可以配备有在标准地图系统(例如,谷歌地图或等价的地图系统)上显示网络拓扑结构、服务、设备数据、和待解决的问题的表示层,并且该表示层被作为能够由支持使用HTML5和Java的标准浏览器(IE、火狐、欧朋等浏览器)的任何用户IP设备(智能电话、平板设备、计算机等)呈现的数据表覆盖层。表示层(例如,包括在技术人员门户80中)包括显示受问题影响的地理位置和客户位置、经建议需采取校正措施的位置的能力,以及深度探讨以浏览任意选定设备上的参数的当前值和历史值的能力。在一些实施例中,表示层还包括仅对触发故障72的相关参数(无论是在一个设备上还是跨多个设备)进行关注的能力。
转向图6,图6是示出根据通信系统10的实施例的技术人员门户80的示例细节的简化图。技术人员门户80(A)示出了覆盖在地图(例如,合适的测试仪表88(包括所示示例中的智能手机)中的谷歌地图)上的线缆网络12中已识别的故障和相应位置的视图。已识别的故障之一(仅出于示例的目的被指示为大圆圈)针对技术人员的现场支持活动被突出显示。在服务器92中运行的PSM模块24可以建议推荐修复,该推荐修复被显示在技术人员门户80(B)中。技术人员可以手动实现该修复,并且仪表88可以在此之后例如通过在故障位置获取来自线缆网络12的一组信号来对该修复进行验证。仪表88可以将该组信号以适当的数据分组或其他通信方式发送到服务器92。在服务器92中运行的PSM模块24分析该组信号并确定故障不再存在。可以从服务器92向仪表88发送“修复成功”消息并将其显示在技术人员门户80(C)上。
转向图7,图7是示出根据通信系统10的实施例的PSM模块24的示例细节的简化图。在各种实施例中,PSM模块24可以使用部署在线缆网络12中的一个或多个数据收集器78、部署在云网络98中的数据存储库96、和通过云网络98中的接口102与数据存储库96进行通信的中央服务器100来实现。数据收集器78(以及用于实现这里所描述的功能的相关联的软件)可以位于主网络位置或部署在线缆网络12内的多个位置中。数据收集器78进行查询、收集包括网络数据38的操作数据、并通过接口102将收集的数据从线缆网络12中的网络设备转发到数据存储库96。例如,在一个实施例中,通过一个或多个数据采集器78对线缆网络12进行定期轮询来获得预均衡系数。在一些实施例中,数据收集器78对于非授权的用户是不可见且不可检测的。
可以根据任何合适的数据格式(包括简单网络管理协议(SNMP)、设施内可靠性数据(IPRD)、TR69、DOCSIS MIB等)收集数据。在一些实施例中,数据收集器78可以周期地轮询网络设备、网络信号等;在其他实施例中,数据收集器78可以在出现任何异常事件(例如,信号水平偏离预定阈值,等等)时被触发。除了定期数据收集之外,数据收集器78还响应于针对线缆网络12的特定区域或跨越线缆网络12的特定服务流的特定安全查询而访问实时设备信息。每个数据收集器78具有向数据存储库96传送数据的安全装置。
数据存储库96提供对网络数据38(包括从数据收集器78接收的历史数据)的长期存储。在示例实施例中,数据存储库96包括能够存储多兆兆字节数据并且响应于来自在中央服务器100处执行的PSM算法40的请求而快速访问数据的关系数据库。数据存储库96包括物理非易失性存储存储器元件,例如,磁盘驱动器、磁带、固态驱动器、共享盘驱动器等。数据可以根据特定需求以任何合适的阵列、表或其他数据结构被存储在数据存储库96中。数据存储库96通过短期数据缓冲器链接到数据收集器78,该短期数据缓冲器支持快速、实时地查询线缆网络12以确定其中一个或多个网络元件的当前状态。数据存储库96能够管理数十兆兆字节的信息(例如,通过分层存储),其中最新的信息可供几乎实时地进行查询。
接口102与线缆网络的业务支持系统/操作支持系统(BSS/OSS)耦合以在除来自基于线缆网络12的“完工(as-built)”属性的运营商网络设计数据的信息(包括节点、放大器、分接头位置的拓扑结构以及每个位置的信号水平)之外,还包括关于每个位置处的网络元件(包括终端设备16、放大器18等)地址和信息属性(例如,类型、型号、序列号、IP地址等)、客户服务的定期更新。
在各种实施例中,PSM算法40在中央服务器100上运行。要指出的是,术语“中央”指的是逻辑中心而不是地理中心。换句话说,中央服务器100可以以集中式方式进行工作,例如,PSM算法40被整合并运行在单一应用(例如,软件)伞下。在一些实施例中,中央服务器100可以由独立于云网络98和线缆网络12的实体进行操作,并且与数据存储库96进行通信,而不管其相对于云网络98或线缆网络12的实际地理位置。在一些实施例中,中央服务器100、数据储存库96和线缆网络12可以由相同的组织进行控制和操作。
中央服务器100包括处理器(例如,集成电路)和存储PSM算法40的存储元件。在一些实施例中,处理器本身可以物理地由分布式处理器组成而非单一处理器。在各种实施例中,PSM算法40的运行可以(例如,由网络运营商)手动触发。在其他实施例中,PSM算法40基本上可以连续地自动运行。在其他实施例中,PSM算法40的运行可以由特定类型的数据触发,例如,降到预定阈值以下的信号水平。
在一般意义上,PSM算法40检查最近的网络数据38并将其与预期值进行比较。授权的用户可以随时查看网络拓扑结构和状态。当发现一个或多个变化时,PSM算法40检查相关数据,从逻辑上确定变化的位置和原因,并建议校正措施。在一些实施例中,所计算的、建议的校正信息被图形地显示,包括问题的位置、受问题影响的客户位置(若存在)、以及触发该建议的底层数据。用户(例如,现场技术人员)可以深入了解每个识别的故障表征(和其他参数)的信息,包括当前值、阈值和历史趋势线值。在一些实施例中,信息通过支持HTML5和Java的基于网络的浏览器或另一适当的平台被呈现在合适的设备(例如,仪表88)上。
PSM算法40可以包括但不限于以下功能:(1)分析线缆网络12(例如,接入网络、家庭网络、内容分布式网络等)的部分的健康状况;(2)分析向客户递送的服务(例如,高速数据服务、广播视频、基于网络的DVR(数字硬盘录像机)、IP视频传输、语音服务等)的健康状况;(3)能够解释对特定网络属性或行为(例如,跨特定服务组或地理位置的服务开通率、服务盗用检测、CPE和网络设备目录管理、网络容量预测和管理等)的查询和报告;(4)使得能够在定期的基础上进行信息(例如,来自第三方设计/映射系统的网络系统设计、网络和客户驻地设备类型和位置、来自BSS/OSS系统的每种服务类型的客户地址)的传输的数据/文件传输/转换;(5)数据采集器78和/或PSM模块24的用户的授权和认证。
在一些实施例中,PSM模块24可以使用合适的表示层来结合数据收集器78、数据存储库96和PSM算法40的各种功能。表示层能够提供线缆网络12由最高级别(例如,网络级别)到个体住户(例如,节点级别)的视图,并且能够支持分段线缆网络12的视图。表示层显示出覆盖在诸如谷歌地图或等价的地图之类的标准地图系统上的线缆网络12。在一些实施例中,表示层使用颜色和高亮来显示需要对其采取措施的任何当前或即将发生的网络问题。使用任何标准地图功能,用户(例如现场技术人员)可以放大故障的位置。表示层能够显示基本上所有受特定问题影响的客户位置。
表示层提供线缆网络12中各种设备参数的视图。选择个体设备以使得授权的用户能够检查来自该设备的数据,并查看数据参数以及数据阈值的历史趋势线。表示层向基本上所有客户显示单个服务的端到端情境(context),以及针对单个客户或逻辑上连接的客户的群组的服务的特定端到端路径。在一些实施例中,任何用户对PSM模块24的访问根据用户的个体授权级别而受到限制。
转向图8,图8是示出根据通信系统10的示例实施例的示例细节的简化图。DOCSIS终端设备16通过两个不同平面(即,控制平面104和数据平面106)与线缆网络12中的CMTS14通信。在各种实施例中,DOCSIS终端设备16通过单独的平面(即,PSM平面108)与PSM模块24进行通信。在各种实施例中,PSM模块24可以位于线缆网络12外部。控制平面104促进CMTS14和DOCSIS终端设备16之间的网络配置和管理消息(例如,包括在DOCSIS MIB消息中)在的通信。数据平面106促进CMTS14和DOCSIS终端设备16之间的数据(例如,包括在多个信道中)的通信。数据可以包括有线电视内容(例如,新闻和体育电视信号),以及上行内容,例如,用户从DOCSIS终端设备16向CMTS 14请求数据。
在各种实施例中,通过数据平面106传输的信号可能受到线缆网络12中的故障的影响。KPI 50可以被从这样的信号中撷取,并通过PSM平面108提供给PSM模块24。另外的PSM数据51可以被从穿过控制平面104的信号中撷取并通过PSM平面108提供给PSM模块24。在示例实施例中,通过PSM平面108传输的数据可以是根据专用协议进行的,并且在一些实施例中可以不受DOCSIS规范的约束。KPI 50和PSM数据51可以被封装成适当的分组并且在一些实施例中通过IP网络被发送。各种其他通信装置可以用于通过PSM平面108传输数据。
转向图9,图9是示出可以与PSM模块24的PSM算法40相关联的示例操作110的简化流程图。在112处,数据收集器78收集网络数据38。在114处,从网络数据38确定是否识别到故障表征,如下面更详细描述的。如果没有识别到故障表征,则操作返回112,继续实时收集包括KPI 50和PSM数据51的网络数据。如果识别到故障表征(例如,指示线缆网络12中的故障72),则在116处,访问GIS数据库。在118处,基于所识别的故障表征和GIS数据来确定故障位置,如下面更详细描述的。在120处,基于故障位置和故障表征来估计故障类型,如下面更详细地描述的。在122处,基于故障表征、故障类型和故障位置激活故障修复措施。
转向图10,图10是示出根据通信系统10的实施例的信号故障表征识别算法52的示例细节的简化图。KPI 50(包括捕获的RF度量)作为输入被提供至信号故障表征识别算法52。绝对边界模块62相对于一个或多个有关绝对阈值63检查所捕获的RF度量48。例如,可以相对于SNR阈值来检查SNR。如果所检查的度量违反阈值63,则指示故障,并且可以调用故障定位算法56和故障分类算法58。
如果绝对边界模块62没有检测到故障,则时间非一致模块64可以将捕获的RF度量48与一个或多个有关的相对时间阈值65进行比较。例如,如果不满足预期的信号同步性,则检测结果可以指示故障;换句话说,如果在距测试台X英尺的距离处的线缆调制解调器A可以在m秒内发送信号;并且同样距测试台X英尺的距离处的另一线缆调制解调器B需要超过m秒的时间来发送信号,则可以指示在线缆调制解调器B和测试站之间的故障。如果指示故障,则可以调用故障定位算法56和故障分类算法58。
如果时间非一致模块64没有检测到故障,则频率非一致模块66可以将捕获的RF度量48与一个或多个有关的相对频率阈值67进行比较。例如,如果信号的预期频率为x,并且其测量频率为y,则指示故障。如果指示故障,则可以调用故障定位算法56和故障分类算法58。
如果频率非一致模块66没有检测到故障,则对等非一致模块66可以将捕获的RF度量48与一个或多个有关的相对对等阈值69进行比较。例如,如果不期望两个线缆调制解调器彼此在x秒内发送信号,与预期对等阈值的存在差异的检测结果可以指示故障。如果指示故障,则可以调用故障定位算法56和故障分类算法58。
转向图11,图11是示出根据通信系统10的实施例的信号故障表征识别算法52的示例细节的简化图。信号故障表征识别算法52从线缆网络12接收多音调信号170。在示例实施例中,多音调输入信号170包括通过具有离散频率的电磁波(例如,载波)承载的数据(例如,包括数字电脉冲)。在示例实施例中,输入信号170包括具有在诸如光纤或电线之类的有形介质中承载的射频频谱中的多个频率的电磁信号。在另一示例性实施例中,其中信号故障表征算法52被用在油管网络中,输入信号170包括在管道(例如,金属管道、混凝土管道等)中承载的声波。均衡器单元172接收信号170。
在一些实施例中,信号170包括预均衡系数和下行全频谱捕获。终端设备16可以报告它们各自的预均衡系数,并且在由信号故障表征识别算法52查询时提供全频谱捕获。在一些实施例中,预均衡系数在信号170被接收前被从DOCSIS MIB获得并被存储在信号故障表征识别算法52中。在一个实施例中,通过对线缆网络12的定期轮询来获得预均衡系数,并适当地对其进行存储(例如,存储在数据库、表、阵列等中)。在一些实施例中,可以通过包括捕获的RF度量50的KPI来提供预均衡系数。
均衡器单元172包括信道响应导出器174和存储的预均衡系数176的存储装置(例如,数据库、表等等)。在一般意义上,均衡系统计算消除信号的失真的逆滤波器并将其应用于信号。均衡对信道响应Hc(f)的逆He(f)进行估算,并将其应用于输入信号s(t)。在数学上,均衡传递函数可以表达为:
其中θ(f)是信道响应的相位,和He(f)是预均衡系数的函数。反之,已知预均衡系数,可以导出He(f),其逆函数为信道响应Hc(f)。
使用迫零均衡器(ZFE)的迫零技术是形成逆滤波器的一种计算上高效的方法。在ZFE中,信道和均衡器的结合产生平坦的频率响应和线性相位。另一种已知的均衡技术是通过使用MMSE均衡器,MMSE均衡器使所接收的信号的均方误差(MSE)最小化。MMSE均衡器适配滤波器的预均衡系数,以最小化由于噪声、干扰和码间干扰(ISI)引起的均方误差。MMSE均衡器的适配由误差信号驱动,该误差信号向均衡器指示了为了获得更好的精度系数应该移动的方向。
如果预均衡系数是已知的先验数据(priori),则可以通过均衡滤波器的逆计算(例如,通过对ZFE或MMSE均衡器求逆)导出信道响应178。预均衡系数176包括24个抽头型信号;主抽头型信号(抽头型信号索引8)指示信道无任何损伤;换句话说,输入信号170在信道的输出处被完美地复制。额外的抽头型信号表示信道损伤。在各种实施例中,信道响应导出器174使用预均衡系数176导出信道响应178。信号故障表征识别算法52包括用于促进这里所描述的操作的处理器180和存储器元件182。
信道响应178被馈送到相位域回波搜索器184,该相位域回波搜索器184包括相位域分析器186和相关峰查找器188。相位域分析器186分析相位域中的信道响应178。相位域分析使用相位域信号(r,θ)而不是经典的笛卡尔正交分量(I,Q)进行分析。信道响应178的相位包括复数抽头型信号值的幅角。脉冲响应(脉冲输入信号的信道响应)除主抽头型信号(其相位校正为0弧度)外在-π和π之间呈现随机性。在各种实施例中,基于预均衡系数的FFT计算相位。作为频率和FFT分析的函数的相位响应可以被表示为:
其中H(f)是均衡传递函数(其为信道响应的逆函数),并且h(t)是均衡器的脉冲响应。
在示例实施例中,根据估算的阵列来估算可能的相移的阵列,并且对信道响应178进行相移。相关峰查找器188确定是否找到峰值以及在其中出现峰值的特定相位。在一般意义上,互相关是两个序列的相似度的度量,是两个序列中滞后的一者相对于另一者的函数。互相关通常用于在长信号中搜索较短的已知特征,例如,峰值。互相关本质上与两个函数的卷积类似。在各种实施例中,IFFT被应用于经相移的信道响应178,并且通过将经相移的信道响应与原始(即,未相移的)信道信道响应178进行比较来确定相关峰。
确定与找到的峰值对应的相位190并将其提供给群延迟计算器192。群延迟计算器中的信道响应旋转器194将信道响应178旋转相位190,由此计算出去相位的信道响应。抽头型信号幅值计算器196从经去相位的信道响应计算指示群延迟的抽头型信号。校正信号计算器198计算校正的信号200,该校正的信号200包括减去所计算的抽头型信号幅值的信道响应178。故障识别器204将经校正的信号200与阈值202进行比较,以确定信号170中是否存在任何不期望的抽头型信号。针对信道响应178的每个抽头型信号继续进行操作。如果发现故障,则输出故障表征206。故障表征206包括对超出预期值或范围(例如,抽头型信号的阈值)的性能度量(例如,一个或多个抽头型信号)的观察。在示例实施例中,故障表征206包括抽头型信号索引(例如,从主抽头型信号起的第三抽头型信号;从主抽头型信号起的第五抽头型信号,等等);在另一示例实施例中,故障表征206包括时间索引(例如,从仪表起10μs)。要指出的是,可以在故障表征206中提供指示线缆网络中的故障的任意合适的度量。
转向图12,图12是示出了使用衰减-回波损耗曲线210来进行与故障检测有关的SNR和预均衡系数之间的灵敏度比较的示例细节的简化图。对用于故障表征识别的特定度量进行选择的决定可能依赖于度量的可用性、其客观特性及灵敏度。例如,虽然可能希望利用尽可能多的度量,但是PSM算法40可能是以当前(例如,在分析时)可用的度量和可从大多数CM 16(若非全部)获得的度量作为基础的。度量的选择可以是客观的,也就是说,不受制于由CMTS14引起的改变或者不是HFC依赖的(例如,对线缆网络12中的拓扑结构或网络更新等的依赖)。此外,为了使得PSM模块24能够在故障升级并影响到客户服务之前检测到故障表征,所选择的度量对于故障应具有相对较高的灵敏度。在示例实施例中,PSM算法40使用预均衡系数作为主要度量,并且使用FEC统计、信号水平和MER(调制误差比)作为辅助度量来进行故障表征识别。
在一般意义上,对于故障检测,PER比MER更敏感。FEC统计信息也可以用作度量。使用FEC统计的优点包括:(1)对于故障表征识别,FEC统计比MER(噪音)更敏感;(2)FEC具有明确界定的边界(比方说,<10-4)。然而,缺点包括:(1)FEC统计不是100%的客观的,因为它取决于用户简档(QAM级别);以及(2)FEC统计是长期平均值(而非性能的快照)。在一些实施例中,不可校正CW(连续波)与总接收CW的比值可以用作用于故障表征识别的度量。FEC统计信息取决于QAM级别的选择。如果MER降低(例如,下降级别为3dB),则CMTS14可以将QAM级别降低1级,这会抵消下降的MER带来的不利影响。不过,FEC可被用作辅助度量。
从衰减-回波损耗曲线210可以得出结论:假设利用信号水平/SNR进行的故障检测使用3dB的阈值,对于故障检测来说预均衡系数比信号水平更敏感。使用预均衡系数,可以容易地检测到具有-25dB的抽头型信号(例如,25dB可以对应于每个端部的7.5dB回波损耗,以及端部之间的额外的10dB线缆损耗),而利用信号水平或SNR是不可能的。在一般意义上,预均衡系数中的抽头型信号是静态的并且是自援引的(例如,使用主抽头型信号),因此其在可用性方面可以是很好的度量。在上面提到的所有性能度量中,预均衡系数为这里讨论的目的提供了最可靠和敏感的故障表征。预均衡系数的抽头型信号可以在故障升级并影响到网络性能之前指示故障(以及在与附加信息结合时指示故障的位置)。此外,可以使用现有机制(例如,通过对系数值和其他相关PHY度量的定期轮询)适当地从线缆网络的各种组件撷取预均衡系数。
转向图13,图13是示出图表212的示例细节的简化图,图表212示出在不存在群延迟的情况下针对特定信号的作为抽头型信号索引的函数的信号功率水平。主抽头型信号(具有最大功率的抽头型信号)出现在抽头型信号索引8处,其后是在索引9处的具有大约19dB衰减的第二抽头型信号,其后是在索引11处的具有大约25dB衰减的第三抽头型信号。使用这里所公开的算法可能无法检测到进一步的衰减或抽头型信号,因为它们可能是由信号故障表征识别算法52使用的计算、近似、建模和其他数学分析技术的伪像。
转向图14,图14是示出通过作为特定信号的抽头型信号索引的函数的信号功率水平的图表214和216显示群延迟的影响的示例细节的简化图。用于故障表征的示例PSM算法被用于从信道响应中进行抽头型信号检测。信道响应是从预均衡系数导出的,其中群延迟的影响通过DSP算法被消除。在消除群延迟的影响之后,抽头型信号能够被可靠地检测到:(注)幅值:低于主抽头型信号-25dB;时间:精度为20ns,产生10英尺的精度。信道响应中的抽头型信号直接链接到HFC的回波。抽头型信号时序可被用于定位故障位置。
如图表214所示,在存在群延迟的情况下,来自故障的回波被主抽头型信号的侧抽头型信号淹没,这样不可能将群延迟与由故障引起的回波区分开。在所示的(基于仿真的)示例中,具有10dB衰减的抽头型信号可能来自群延迟而不是故障。此外,群延迟趋向于使抽头型信号模糊且平滑化,导致失败的抽头型信号检测和不良的抽头型信号定位。群延迟是常态现象,并且不能从线缆网络12移除。为使预均衡系数有用,应该消除群延迟的影响。
另一方面,图表216指示当群延迟的影响被消除时由反射引起的特殊抽头型信号。可以将针对有效抽头型信号的阈值218与图表216的特殊抽头型信号进行比较以确定异常。例如,大于阈值218的任何功率水平指示故障;因此在0处的主抽头型信号的右侧的抽头型信号3和5可以指示线缆网络12中的故障。从而,消除群延迟影响可以提高故障预测的精度。
转向图15,图15是示出可以与通信系统10的信号故障表征识别算法52的实施例相关联的示例操作250的简化流程图。在252处,信道响应导出器174从预均衡系数176(其可以从多音信号170导出)导出信道响应178。在254处,通过选择主抽头型信号(例如,抽头型信号索引8)以进行进一步分析来开始第一次迭代。在256处,相位域回波搜索器184在针对所选择的抽头型信号的相位域中搜索回波。在258处,确定是否找到相关峰。如果找到相关峰,则在260处,将与相关峰对应的相位设置为所找出的相位190。在262处,信道响应178被旋转所找出的相位190,并计算去相位的信道响应。在264处,从去相位的信道响应确定抽头型信号幅值。在266处,从信道响应中减去计算得出的抽头型信号幅值以消除群延迟。在268处,确定是否已经考虑了所有有关的抽头型信号。如果没有,则操作进行到270,在该步骤处,所选择的抽头型信号被设置为下一个抽头型信号。操作继续256,然后进行后续处理。回到258,如果对于所选择的抽头型信号没有找到相关峰,则操作步进至268,然后进行后续处理。在268处,如果所有有关的抽头型信号都已被考虑,则操作结束。
故障定位和故障分类可能在很大程度上取决于故障表征识别及其准确性。例如,抽头型信号定时(位置)可以用作位置确定的主要度量。聚合点估算可以是基于对等一致性位置进行的。噪声(有源器件对无源器件)可以用作辅助度量。GIS数据(设备地理位置,与抽头型信号位置共同起作用)可被用于准确定位线缆网络中的问题。
根据本文描述的实施例的特征,如图16所示,信道响应中抽头型信号的定时(相对于主抽头型信号的位置)可被用于标识故障的位置。参考图16,其中示出了线缆网络的部分280,该部分包括通过长度为L的线缆互连的第一网络设备282和第二网络设备284。出于举例的目的,假设设备282、284都是有缺陷的,导致回波抽头型信号286,其相对于主抽头型信号288的定时与设备282、284之间的距离L相关(该距离对应于设备之间的“故障腔”的长度)。具体地,回波抽头型信号386相对于主抽头型信号288的定时由如下等式描述:
L(英尺)=Vf*Δt/2
其中Δt是主抽头型信号和回波抽头型信号之间的差值,单位为纳秒(ns),Vf是连接设备282、284的线缆的速度因子(Vf=0.87)。
图17中进一步示出了该概念。具体地,图17示出了包括第一网络设备302和第二网络设备304的线缆网络300,在所示实施例中第一网络设备302包括桥接放大器,并且在所示实施例中第二网络设备304包括耦合器,这些设备通过400英尺的线缆连接。出于举例的目的,假设设备302和304都被破坏,分别导致10dB和7dB的回波损耗。将假设800英尺的线缆导致额外的7dB损耗和920ns的延时;因此,故障将作为回波抽头型信号出现在920ns处,在信道中的水平为-24dB。
转向图18,其中示出了作为针对网络300(图17)的抽头型信号索引的函数的信号功率水平在使用DSP算法去除群延迟的影响之前和之后的图表310、312。如上面详细描述的,例如这里所描述的PSM算法被用于从信道响应进行抽头型信号检测,该信道响应是从预均衡系数导出的并且通过DSP算法消除了群延迟的影响。具体地,在图310中,其中示出了在群延迟的影响被去除之前网络300的抽头型信号索引,回波抽头型信号是不可检测的。相反,在图312中,在消除了群延迟的影响之后,在主抽头型信号(在图18中通过线316来表示)之后的920纳秒处可检测到-24dB的回波抽头型信号(在图18中通过线314来表示)。
现在参考图19,其中示出了多个图表320、322、324,它们示出了使用3D群集来定位网络中的多个故障。在3D群集中,使用这里所描述的故障表征识别算法来针对CM进行抽头型信号和关联的抽头型信号幅值和时间的定位。图表320中示出了检测到的抽头型信号的示例3D绘图。选择具有大于预定阈值(例如,-30dB)的抽头型信号幅值的有效抽头型信号。如在图表322中最佳地示出的,两个抽头型信号群集326A、326B具有大于由线328指示的阈值的幅值。所选择的抽头型信号被分组成3D空间(包括幅值、时间和相位)中的多个子组。对于群集中的每个点(CM),使用平均定时来搜索GIS数据库以找到具有与平均定时最匹配的长度的相关段。该段的两端被标记为潜在的故障位置。如在图表324中最佳地示出的,在图19中所示的示例中,每个群集326A、326B中的每个点的平均定时将被用于搜索GIS数据库以找到具有与平均定时最匹配的长度的相关段,每个这样的段的两端被标记为潜在的故障位置。
在某些实施例中,基于检测到的抽头型信号来预先配置若干受影响的CM的阈值N。受影响的CM是检测到的抽头型信号导致该CM被标记为有缺陷或故障的CM。合理的故障位置至少有N个受影响的CM。对中继线缆和分接线缆而言预配置阈值可能会有所不同。例如,如果在中继线缆上发现N1个(例如,8个)设备正在报告故障,则触发故障定位,而如果在分接线缆上发现N2个(例如,1个)设备正在报告故障,则触发故障定位。潜在的合理故障位置根据受影响的CM的数目进行分类。根据受影响的CM的数量,预配置数目M(例如,3)个合理故障位置被识别并报告。
为了促进故障定位,从GIS导出段表,以例如图20中所示的格式。段是HFC的部分,其通过有源或无源末端设备在每一端连续互连和终止。终止设备也属于段或者形成段的一部分,该段是点对点连接。段表索引线缆网络的单一分部中的所有段和有关CM。针对分部中的每个段(由段索引号标识),段表指示段的长度(以英尺为单位)、终止设备(按设备索引号和类型)以及与该段有关的CM。
图21中进一步示出了段、分部和有关的CM的概念,图21示出了包括多个段(例如,段342A、342B)的示例线缆网络340,其中每个段分别由设备344A、344B和344C、344D在每一端终止。在所示实施例中,网络340包括两个隔离点346A、346B;网络的分部348包括两个隔离点346A、346B之间的段,包括段342A和342B。在HFC中,放大器或负载(端接设备)充当隔离点。如果段中的至少一个设备在CM信号路径上,则CM与该段有关,反之亦然。CM 350与段342A有关;但是,它们与段342B无关。
如先前所指出的,根据示例PSM算法,检测到的抽头型信号被群集在3D(幅值、时间、相位)空间中。选择有效的抽头型信号,并且每个群集的平均时间用于从段表中选择适当的段,并标记潜在的故障位置。潜在的故障位置是具有N个受影响的CM的位置(N取决于设备的位置)。可以基于受影响的CM的数目和抽头型信号幅值来识别主要故障位置。
这里所描述的PSM算法支持组表征检测。具体地,3D空间中的群集充分利用了抽头型信号中所包含的所有信息(幅值、时间和相位);其结果是,提高了可靠性和可用性。这对于可以从实际的信道响应而不是预均衡系数(实际信道响应的逆)提取抽头型信号的PSM是可能的。结合精确的抽头型信号计算,PSM算法可以在故障升级并影响网络之前对其进行识别。
PSM算法还允许联合多个抽头型信号来检测故障位置。具体地,PSM算法使得能够准确地检测多个相邻的抽头型信号,并且联合检测有助于正确地定位故障。此外,PSM算法支持多种故障检测。具体地,PSM算法能够可靠且准确地检测多个抽头型信号(相邻或不相邻)并有效地检测多个组表征(群集)。
转向故障分类,可以考虑两个方面:(1)故障严重程度;和(2)故障设备类型。示例PSM算法输出如下三个变量作为严重程度指示:
1.最大抽头型信号幅值:故障设备可能被多次标记,并且可能针对该故障设备记录并输出最大抽头型信号幅值;
2.总抽头型信号幅值:故障设备可能被多次标记,并且将抽头型信号的幅值相加,然后除以产生那些标记的CM的数目;其商被作为故障设备的总抽头型信号幅值输出;以及
3.受影响的CM的数目。
为确定故障设备类型,在段表中包括来自GIS数据库的各种设备类型。在故障设备的位置被识别后,可以从段表中撷取其类型。考虑仅仅出于论证而不是限制的目的,示例说明如图22和23所指示的故障严重程度。如图所示,总抽头型信号幅值取决于抽头型信号选择阈值(例如,-25dB)。抽头型信号选择阈值的影响由图25所示的示例示出。如图22所示,假设抽头型信号选择阈值设定为-35dB,则设备360的最大抽头型信号幅值为-19dB(第二抽头型信号),设备360的总抽头型信号幅值为-18.8dB(0dB+(-19dB)+(-31.5dB)),并且受影响的CM的数目为100。如图23所示,假设抽头型信号选择阈值设定为-25dB,则设备360的最大抽头型信号幅值和总抽头型信号幅值两者都为-19dB,受影响的CM的数量为100。这些值以及设备360的设备类型的指示可以用于确定该设备的“故障严重程度”,对此进行报告以使得能够采取校正措施。故障严重程度可以以任意数量的方式来表示,包括与该故障相对于其他潜在故障的严重程度相对应的数字或者指示故障的相对严重程度的分类(例如,轻度、中度、重度)。这种指示使得接收报告的实体能够确定应该如何快速地以及通过何种代价来解决故障。
如先前所指出的,故障根据其严重程度和类型进行分类。在一个示例中,利用(最大和总)抽头型信号幅值和受影响的CM的数量来指示严重程度。例如,基于设备的位置来从GIS段表检索设备类型。至少如下的两个因素影响示例PSM算法的精细严重程度粒度:(1)故障检测算法的高灵敏度(故障可以在其升级并影响到网络之前被检测到(在所有情况下可以检测到-25dB的抽头型信号));(2)受影响的CM的数量。
转向图25,其中示出了示出可以与PSM模块24的故障分类算法58相关联的示例操作370的简化流程图。在372处,一旦已经识别并定位故障设备,则确定针对该设备的最大抽头型信号幅值。在374处,针对该设备计算总抽头型信号幅值。将认识到的是,只有那些超过抽头型信号选择阈值的抽头型信号幅值才被用来计算总抽头型信号幅值。在376处,确定受故障影响的CM的数目。在378处,例如参考如图20中所示的段表来确定故障设备的设备类型。在380处,根据最大抽头型信号幅值、总抽头型信号幅值、受影响的CM的数目和设备类型的值对故障的严重程度进行分类。如先前所指出的,分类可以采取任何多种的形式中的一者,包括但不限于数字刻度上的数字或者相对文本描述符。在382处,故障严重程度信息被传送到一个或多个指定实体,这些指定实体基于该信息采取适当的措施来修复故障。导致-20dB或更小回波损耗的故障可以被认为是轻度故障。影响少数用户的故障也可以被认为是轻度故障。运营商可选择不修理轻度故障或延迟修理。影响大批用户(比方说位用户)的故障将被视为中度或重度故障,需要尽早修复。影响整个社区的故障被认为是重度故障,需要立即修复。
在一些实施例中,可以将信号水平和噪声水平以及其他参数用作确定故障表征和位置的辅助考虑因素。图26中示出了示例信号和噪声波形。
针对所有显示相同故障表征的CM在线缆网络中标识聚合点;如图27所示,聚合点指示故障所处的位置。一旦识别出故障信号,就可以通过识别示出共同故障表征的CM的聚合点来将故障设备的位置挑选出来。针对每个设备可以使用如图28中所示尚未设备相关表来找出其相关的示出共同故障表征的CM的数目(N)。故障设备是具有最大为N的设备(即受影响的CM的最大数目)。可以通过根据受影响的CM的数目选择前N个故障设备来识别多个故障。
在特定实施例中,各种组件可以包括在专用硬件设备(例如,适当配置的服务器)上执行的软件应用,其中该专用硬件设备具有适当的端口、处理器、存储器元件、接口以及促进这里所描述的功能的其他电气和电子部件。在一些实施例中,各种组件可以在执行这里所描述的操作的单独的硬件设备上运行,和/或包括软件应用或其组合。
要指出的是,尽管本文关于线缆网络架构描述了操作和系统,但是操作和系统可以与任何适当的相关网络功能(包括负载平衡器、防火墙、WAN加速器等)和与其相关联的设备(例如,客户驻地设备(CPE)、线缆调制解调器(CM)等)一起使用。
要指出的是,在本说明书中,对“一个实施例”、“示例实施例”、“实施例”、“另一个实施例”、“一些实施例”、“各种实施例”、“其他实施例”、“替代实施例”等中所包括的各种特征(例如,元件、结构、模块、组件、步骤、操作、特性等)的提及旨在表示任何这样的特征被包括在本公开的一个或多个实施例中,但可能有必要或者也可能没有必要被组合在相同的实施例中。此外,“使优化”、“优化”和相关术语是本领域涉及指定结果在速度和/或效率上的提高的术语,并不意图指示实现指定结果的处理已经被实现或者能够实现“最佳”或完美的速度/完美的有效状态。
在示例实现方式中,这里概述的活动的至少一些部分可以在例如PSM模块24中的软件中实现。在一些实施例中,这些特征中的一个或多个可以在部署在这些元件外部的硬件中实现,或以任何适当的方式合并以实现预期的功能。各种组件可以包括可以协调来实现如这里所概述的操作的软件(或往复式软件)。在其他实施例中,这些元件可以包括促进其操作的任何合适的算法、硬件、软件、组件、模块、接口或对象。
此外,这里所描述和示出的PSM模块24(和/或其相关联的结构)还可以包括用于在网络环境中接收、发送和/或以其他方式传送数据或信息的适当接口。另外,与各种节点相关联的一些处理器和存储器元件可以被省去或以其他方式被整合,以使得单个处理器和单个存储元件负责某些活动。在一般意义上,图中所示的布置以这样的表示可能更合乎逻辑,而物理架构可以包括这些元件的各种排列、组合和/或混合。必须指出的是,无数可能的设计配置可用于实现这里概述的操作目标。因此,相关联的基础架构具有无数替代部署、设计选择、设备可能性、硬件配置、软件实现方式、设备选项等。
在一些示例实施例中,一个或多个存储器元件(例如,存储器元件49)可以存储用于这里所描述的操作的数据。这包括能够在非暂态介质中存储指令(例如,软件、逻辑、代码等)的存储器元件,以使得这些指令被运行以执行本说明书中所描述的活动。处理器可以执行与数据相关联的任何类型的指令以实现本说明书中详细描述的操作。在一个示例中,处理器(例如,处理器48)可以将元素或物品(例如,数据或电信号)从一种状态或事物转换到另一状态或事物。在另一示例中,这里概述的活动可以用固定逻辑或可编程逻辑(例如,由处理器运行的软件/计算机指令)来实现,并且这里所标识的元件可以是某种类型的可编程处理器、可编程数字逻辑(例如,现场可编程门阵列(FPGA)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM))、ASIC(该ASIC包括数字逻辑、软件、代码、电子指令、闪存、光盘、CD-ROM、DVD ROM、磁卡或光卡、适用于存储电子指令的其他类型的机器可读介质)、或它们任意合适的组合。
在适当的情况下的并且基于特定需求,这些设备还可以将信息保存在任意合适类型的非暂态存储介质(例如,随机存取存储器(RAM)、只读存储器(ROM)、现场可编程门阵列(FPGA)、可擦可编程只读存储器EPROM、电可擦可编程ROM(EEPROM)等)、软件、硬件、或任何其他组件、设备、元件或对象中。在通信系统10中被追踪、发送、接收或存储的信息可以基于特定的需求和实现方式而在任意数据库、寄存器、表、缓存、队列、控制列表或存储结构中被提供,所有这些都可以在任何合适的时间帧中被引用。本文中讨论的任何记忆术语应被解释为涵盖在广义术语“存储元件”内。类似地,本说明书中所描述的任何可能的处理元件、模块和机器应被解释为涵盖于在广义术语“处理器”内。
还应重点指出的是,参考前面的附图描述的操作和步骤仅示出可以由系统或在系统内运行的一些可能的场景。这些操作中的一些可以在适当的情况下被删除或移除,或者可以在不脱离所讨论的概念的范围的情况下对这些步骤进行可观地修改或改变。此外,这些操作的定时可以被明显改变,并仍然实现在本公开中教导的结果。上述操作流程是为了举例和讨论的目的而提供的。系统提供了很大的灵活性,因为在不脱离所讨论的概念的教导的情况下可以提供任何合适的布置、发生顺序、配置和定时机制。
虽然已经参考特定布置和配置详细描述了本公开,但是在不脱离本公开的范围的情况下,这些示例配置和布置可以被显著地改变。例如,虽然已经参考涉及某些网络接入和协议的特定通信交换描述了本公开,但是通信系统10可适用于其他交换或路由协议。此外,虽然已经参考促进通信过程的特定元件和操作说明了通信系统10,但是这些元件和操作可以由实现通信系统10的预期功能的任何合适的架构或过程来代替。
本领域的技术人员可以确定很多其他改变、替换、变更、更改和修改,本公开旨在包含落入所附权利要求范围内的所有这样的改变、替换、变更、更改和修改。为了协助美国专利商标局(USPTO)及针对本申请所授予的任何专利的任何读者理解所附的权利要求,申请人希望指出申请人:(a)不希望任何所附权利要求援引在其申请日存在的35U.S.C.的112条的第六款,除非在具体的权利要求中特定地使用了词语“用于…的装置”或“用于…的步骤”;以及(b)不希望通过本说明书中的任何表述来以任何未在所附权利要求中体现的方式限制本公开。
Claims (20)
1.一种系统,包括:
位于线缆网络中的数据收集器,其中所述数据收集器捕获穿过所述线缆网络的多音信号;
位于云网络中的数据存储库,所述数据存储库具有用于与所述数据收集器通信的接口,其中所述数据存储库存储由所述数据收集器捕获的所述多音信号和与所述线缆网络相关联的网络数据;以及
中央服务器,包括:
存储器元件,所述存储器元件存储包括指令和相关联的数据的预测服务管理(PSM)算法;以及
处理器,所述处理器能够操作来执行所述PSM算法,其中所述处理器和所述存储器元件进行协作,以使得所述中央服务器被配置为:
检测所述线缆网络中的故障并识别与所述故障相关联的段;
确定所述故障的最大抽头型信号幅值;
计算所述故障的总抽头型信号幅值;以及
至少部分地基于所述最大抽头型信号幅值和所述总抽头型信号幅值来对所述故障的严重程度进行分类。
2.根据权利要求1所述的系统,其中,所述中央服务器还被配置为确定受所述故障影响的线缆调制解调器的数目,并且其中,所述对所述故障的严重程度进行分类是至少部分地基于所确定的线缆调制解调器的数目进行的。
3.根据权利要求2所述的系统,其中,所述确定受所述故障影响的线缆调制解调器的数目包括搜索包括关于多个段中的每个段的数据的段表,所述多个段包括所述线缆网络。
4.根据权利要求1所述的系统,其中,所述中央服务器还被配置为确定与所述故障相关联的设备的类型,并且其中,所述对所述故障的严重程度进行分类是至少部分地基于所确定的设备类型进行的。
5.根据权利要求4所述的系统,其中,所述确定与所述故障相关联的设备的类型包括搜索包括关于多个段中的每个段的数据的段表,所述多个段包括所述线缆网络。
6.根据权利要求1所述的系统,其中,所述中央服务器还被配置为将故障严重程度信息传送至指定实体。
7.根据权利要求1所述的系统,其中,所述信道响应是从预均衡系数导出的,其中所述预均衡系数是通过由所述数据收集器对所述线缆网络进行定期轮询获得的。
8.一种在集成电路上执行的方法,所述方法包括:
检测线缆网络中的故障;
识别与所述故障相关联的段;
确定所述故障的最大抽头型信号幅值;
计算所述故障的总抽头型信号幅值;以及
至少部分地基于所述最大抽头型信号幅值和所述总抽头型信号幅值来对所述故障的严重程度进行分类。
9.根据权利要求8所述的方法,还包括确定受所述故障影响的线缆调制解调器的数目,并且其中,所述对所述故障的严重程度进行分类是至少部分地基于所确定的线缆调制解调器的数目进行的。
10.根据权利要求9所述的方法,其中,所述确定受所述故障影响的线缆调制解调器的数目包括搜索包括关于多个段中的每个段的数据的段表,所述多个段包括所述线缆网络。
11.根据权利要求8所述的方法,还包括确定与所述故障相关联的设备的类型,并且其中,所述对所述故障的严重程度进行分类是至少部分地基于所确定的设备类型进行的。
12.根据权利要求11所述的方法,其中,所述确定与所述故障相关联的设备的类型包括搜索包括关于多个段中的每个段的数据的段表,所述多个段包括所述线缆网络。
13.根据权利要求8所述的方法,还包括将故障严重程度信息传送至指定实体。
14.根据权利要求8所述的方法,其中,所述信道响应是从预均衡系数导出的,其中所述预均衡系数是通过由数据收集器对所述线缆网络进行定期轮询获得的。
15.一种非暂态有形计算机可读介质,包括供执行的指令,所述指令在被集成电路运行时能够操作来执行如下操作,包括:
检测线缆网络中的故障并识别与所述故障相关联的段;
确定所述故障的最大抽头型信号幅值;
计算所述故障的总抽头型信号幅值;以及
至少部分地基于所述最大抽头型信号幅值和所述总抽头型信号幅值来对所述故障的严重程度进行分类。
16.根据权利要求15所述的介质,其中,所述操作还包括确定受所述故障影响的线缆调制解调器的数目,并且其中,所述对所述故障的严重程度进行分类是至少部分地基于所确定的线缆调制解调器的数目进行的。
17.根据权利要求16所述的介质,其中,所述确定受所述故障影响的线缆调制解调器的数目包括搜索包括关于多个段中的每个段的数据的段表,所述多个段包括所述线缆网络。
18.根据权利要求15所述的介质,其中,所述操作还包括确定与所述故障相关联的设备的类型,并且其中,所述对所述故障的严重程度进行分类是至少部分地基于所确定的设备类型进行的。
19.根据权利要求18所述的介质,其中,所述确定与所述故障相关联的设备的类型包括搜索包括关于多个段中的每个段的数据的段表,所述多个段包括所述线缆网络。
20.根据权利要求16所述的介质,其中,所述操作还包括将故障严重程度信息传送至指定实体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662327159P | 2016-04-25 | 2016-04-25 | |
US15/397,603 US10312968B2 (en) | 2016-04-25 | 2017-01-03 | Hybrid fibre coaxial fault classification in cable network environments |
US15/397,603 | 2017-01-03 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108282382A true CN108282382A (zh) | 2018-07-13 |
Family
ID=60088578
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711001477.1A Pending CN108282382A (zh) | 2016-04-25 | 2017-10-24 | 线缆网络环境中的混合光纤同轴故障分类 |
CN201711000557.5A Pending CN108173703A (zh) | 2016-04-25 | 2017-10-24 | 电缆网络环境中的射频信号故障表征隔离 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711000557.5A Pending CN108173703A (zh) | 2016-04-25 | 2017-10-24 | 电缆网络环境中的射频信号故障表征隔离 |
Country Status (3)
Country | Link |
---|---|
US (2) | US9887737B2 (zh) |
EP (1) | EP3343837A1 (zh) |
CN (2) | CN108282382A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110324066A (zh) * | 2019-07-09 | 2019-10-11 | 北京市天元网络技术股份有限公司 | 一种基于cm预均衡值的hfc网络故障分析方法以及装置 |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10367699B2 (en) | 2016-04-25 | 2019-07-30 | Cisco Technology, Inc. | Network architecture for predictive services management in cable network environments |
US10348554B2 (en) | 2016-04-25 | 2019-07-09 | Cisco Technology, Inc. | Hybrid fibre coaxial fault locationing in cable network environments |
US9887737B2 (en) | 2016-04-25 | 2018-02-06 | Cisco Technology, Inc. | Radio frequency signal fault signature isolation in cable network environments |
DE102018007144B4 (de) * | 2018-09-10 | 2019-10-10 | Inova Semiconductors Gmbh | Leitungstreibervorrichtung zur Datenflusskontrolle |
US20200097852A1 (en) * | 2018-09-20 | 2020-03-26 | Cable Television Laboratories, Inc. | Systems and methods for detecting and grouping anomalies in data |
CN109324265A (zh) * | 2018-10-25 | 2019-02-12 | 东莞市慧眼数字技术有限公司 | 一种利用相关算法检测线缆故障的方法及系统 |
CN109194532B (zh) * | 2018-11-07 | 2020-05-01 | 广东电网有限责任公司 | 一种电网告警信息的推送方法及装置 |
CN109379148B (zh) * | 2018-11-27 | 2021-08-27 | 广州开信通讯系统有限公司 | 微弱故障信号检测方法、装置、计算机设备和存储介质 |
US10771109B1 (en) * | 2019-02-21 | 2020-09-08 | Cisco Technology, Inc. | Hybrid active tap |
CN110062410B (zh) * | 2019-03-28 | 2021-09-28 | 东南大学 | 一种基于自适应谐振理论的小区中断检测定位方法 |
CN112291106B (zh) * | 2019-07-12 | 2023-07-28 | 默升科技集团有限公司 | 用于管理有源以太网电缆的旁路开关 |
CN112415323B (zh) * | 2019-08-23 | 2024-07-09 | 微芯片技术股份有限公司 | 诊断网络内的电缆故障 |
US11477072B2 (en) * | 2019-09-17 | 2022-10-18 | OpenVault, LLC | System and method for prescriptive diagnostics and optimization of client networks |
JP2023518827A (ja) | 2020-03-24 | 2023-05-08 | マイクロチップ テクノロジー インコーポレイテッド | 10speローカル及びリモートウェイクによる少接続部数インターフェースウェイクソース通信、並びに関連するシステム、方法、及びデバイス |
US11757750B2 (en) * | 2020-04-15 | 2023-09-12 | Level 3 Communications, Llc | Traffic amplification for testing of a networking device |
WO2022204511A1 (en) * | 2021-03-26 | 2022-09-29 | Arcom Digital, Llc | Time stamp method of location leakage in high split hfc network |
US11726128B2 (en) * | 2021-05-05 | 2023-08-15 | Charter Communications Operating, Llc | Detecting and localizing cable plant impairments using full band capture spectrum analysis |
CN113591665B (zh) * | 2021-07-26 | 2024-07-19 | 重庆潍睿科技有限公司 | 自激励噪声源干扰下的故障源信号识别提取方法 |
WO2023129159A1 (en) * | 2021-12-30 | 2023-07-06 | Rakuten Mobile, Inc. | System for determining mass outage and method of using |
EP4207700A1 (en) * | 2021-12-31 | 2023-07-05 | Promptlink Communications, Inc. | Noise and impairment localization |
US20230376025A1 (en) * | 2022-05-17 | 2023-11-23 | Honeywell International Inc. | Augmented reality system for diagnosing system operation |
US20240022458A1 (en) * | 2022-07-18 | 2024-01-18 | Cisco Technology, Inc. | Transmitter equalization optimization for ethernet chip-to-module (c2m) compliance |
WO2024088672A1 (en) * | 2022-10-28 | 2024-05-02 | British Telecommunications Public Limited Company | Machine learning patterns of failure in broadband networks |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034330A (zh) * | 2010-11-05 | 2011-04-27 | 电子科技大学 | 一种防火防入侵同步预警系统及其信号处理方法 |
US20110243214A1 (en) * | 2010-02-05 | 2011-10-06 | Comcast Cable Communications, Llc | Inducing response signatures in a communication network |
US20160299187A1 (en) * | 2015-04-10 | 2016-10-13 | Xiaodong Liang | Wide area fault detection method using pmu data |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003043298A1 (de) * | 2001-11-16 | 2003-05-22 | Swisscom Fixnet Ag | Verfahren und system zum klassifizieren von netzwerkverbindungen |
US7895632B2 (en) | 2004-02-12 | 2011-02-22 | Sony Corporation | Cable diagnostic and monitoring system |
US20060218612A1 (en) * | 2005-03-01 | 2006-09-28 | Keith Johnson | Fault detection and isolation system for an HFC cable network and method therefor |
US7706252B2 (en) | 2005-07-21 | 2010-04-27 | Time Warner Cable, Inc. | System and method for locating faults in a hybrid fiber coax (HFC) cable network |
US7714735B2 (en) | 2005-09-13 | 2010-05-11 | Daniel Rockwell | Monitoring electrical assets for fault and efficiency correction |
JP4943955B2 (ja) * | 2007-06-29 | 2012-05-30 | オーエスエスブロードネット株式会社 | Catv伝送路監視装置、方法及びプログラム |
US8305877B2 (en) * | 2009-09-10 | 2012-11-06 | Tyco Electronics Subsea Communications Llc | System and method for distributed fault sensing and recovery |
US8526485B2 (en) | 2009-09-23 | 2013-09-03 | General Instrument Corporation | Using equalization coefficients of end devices in a cable television network to determine and diagnose impairments in upstream channels |
CN101848179A (zh) * | 2010-05-28 | 2010-09-29 | 深圳国微技术有限公司 | 抽头预置与lms联合对抗动态信道的均衡器及均衡方法 |
US9003460B2 (en) | 2012-04-27 | 2015-04-07 | Google Technology Holdings LLC | Network monitoring with estimation of network path to network element location |
US8837302B2 (en) | 2012-04-27 | 2014-09-16 | Motorola Mobility Llc | Mapping a network fault |
US8868736B2 (en) * | 2012-04-27 | 2014-10-21 | Motorola Mobility Llc | Estimating a severity level of a network fault |
US8867371B2 (en) | 2012-04-27 | 2014-10-21 | Motorola Mobility Llc | Estimating physical locations of network faults |
US8989221B2 (en) * | 2012-06-04 | 2015-03-24 | Cisco Technology, Inc. | System and method for discovering and verifying a hybrid fiber-coaxial topology in a cable network environment |
US8861577B2 (en) * | 2012-06-27 | 2014-10-14 | Rogers Communications Inc. | Method and system for fault identification using pre-equalization coefficients |
US9136943B2 (en) * | 2012-07-30 | 2015-09-15 | Arris Technology, Inc. | Method of characterizing impairments detected by equalization on a channel of a network |
US9025469B2 (en) | 2013-03-15 | 2015-05-05 | Arris Technology, Inc. | Method for estimating cable plant topology |
US9042236B2 (en) * | 2013-03-15 | 2015-05-26 | Arris Technology, Inc. | Method using equalization data to determine defects in a cable plant |
US9264101B2 (en) | 2013-03-28 | 2016-02-16 | Broadcom Corporation | Communication system with proactive network maintenance and methods for use therewith |
CN105911424B (zh) * | 2016-04-08 | 2018-11-27 | 国网福建省电力有限公司 | 一种基于故障指示器误报信号的识别方法 |
US10367699B2 (en) | 2016-04-25 | 2019-07-30 | Cisco Technology, Inc. | Network architecture for predictive services management in cable network environments |
US10348554B2 (en) * | 2016-04-25 | 2019-07-09 | Cisco Technology, Inc. | Hybrid fibre coaxial fault locationing in cable network environments |
US9887737B2 (en) | 2016-04-25 | 2018-02-06 | Cisco Technology, Inc. | Radio frequency signal fault signature isolation in cable network environments |
-
2016
- 2016-12-07 US US15/372,271 patent/US9887737B2/en active Active
-
2017
- 2017-01-03 US US15/397,603 patent/US10312968B2/en active Active
- 2017-08-02 EP EP17184586.0A patent/EP3343837A1/en not_active Withdrawn
- 2017-10-24 CN CN201711001477.1A patent/CN108282382A/zh active Pending
- 2017-10-24 CN CN201711000557.5A patent/CN108173703A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110243214A1 (en) * | 2010-02-05 | 2011-10-06 | Comcast Cable Communications, Llc | Inducing response signatures in a communication network |
CN102034330A (zh) * | 2010-11-05 | 2011-04-27 | 电子科技大学 | 一种防火防入侵同步预警系统及其信号处理方法 |
US20160299187A1 (en) * | 2015-04-10 | 2016-10-13 | Xiaodong Liang | Wide area fault detection method using pmu data |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110324066A (zh) * | 2019-07-09 | 2019-10-11 | 北京市天元网络技术股份有限公司 | 一种基于cm预均衡值的hfc网络故障分析方法以及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108173703A (zh) | 2018-06-15 |
US10312968B2 (en) | 2019-06-04 |
US20170310541A1 (en) | 2017-10-26 |
US9887737B2 (en) | 2018-02-06 |
EP3343837A1 (en) | 2018-07-04 |
US20170310361A1 (en) | 2017-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108282382A (zh) | 线缆网络环境中的混合光纤同轴故障分类 | |
EP3240239B1 (en) | Hybrid fibre coaxial fault locationing in cable network environments | |
US10367699B2 (en) | Network architecture for predictive services management in cable network environments | |
US12096260B2 (en) | Network implementation of spectrum analysis | |
CN101523804B (zh) | 用于组合来自多个源的数据以表征通信系统的方法和设备 | |
US20220109612A1 (en) | Intelligent monitoring and testing system for cable network | |
US9042236B2 (en) | Method using equalization data to determine defects in a cable plant | |
AU3382599A (en) | Method and system for estimating the ability of a subscriber loop to support broadband services | |
WO2019085536A1 (zh) | 网络质量的确定方法、装置及存储介质 | |
US9015786B2 (en) | Noise ingress detection | |
US7515692B2 (en) | System and method for qualifying telephone lines for very-high-bit-rate digital subscriber line service | |
JP4317873B2 (ja) | 改良されたシングルエンド回線構成識別のための方法、および、システム | |
EP3334092A1 (en) | Radio frequency signal fault signature isolation in cable network environments | |
US10841126B2 (en) | Method and apparatus for operating a telecommunications access network | |
US12093875B2 (en) | Systems and methods for remote evaluation of craft skills | |
US20220070049A1 (en) | Systems and methods for accelerated network impairment mapping | |
CN106506285A (zh) | 一种利用家庭网关进行带宽测速的方法 | |
US11916747B1 (en) | Systems and methods for automatic discovery of a communication network | |
Yeganeh | Measuring the Evolving Internet in the Cloud Computing Era: Infrastructure, Connectivity, and Performance | |
Yeganeh | On Measuring Internet Topology & its Applications | |
Güzelarslan et al. | A hidden Markov based end-to-end architecture to measure, model, emulate, and estimate wireless access network characteristics | |
Cardona | Inter-domain traffic management in an evolving Internet peering ecosystem | |
CN108322822A (zh) | 有线电视网络的逻辑拓扑的生成方法、装置和系统 | |
GB2548847A (en) | Method and apparatus for operating a telecommunications access network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180713 |