CN113382321B - 一种判断odn(光分配网)网络中是否存在第三级分光的系统及其方法 - Google Patents
一种判断odn(光分配网)网络中是否存在第三级分光的系统及其方法 Download PDFInfo
- Publication number
- CN113382321B CN113382321B CN202010161510.2A CN202010161510A CN113382321B CN 113382321 B CN113382321 B CN 113382321B CN 202010161510 A CN202010161510 A CN 202010161510A CN 113382321 B CN113382321 B CN 113382321B
- Authority
- CN
- China
- Prior art keywords
- optical
- optical network
- line terminal
- network unit
- abnormal
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
- H04Q11/0067—Provisions for optical access or distribution networks, e.g. Gigabit Ethernet Passive Optical Network (GE-PON), ATM-based Passive Optical Network (A-PON), PON-Ring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
- H04Q2011/0079—Operation or maintenance aspects
- H04Q2011/0083—Testing; Monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Networks & Wireless Communication (AREA)
- Optical Communication System (AREA)
Abstract
本公开涉及一种判断ODN(光分配网)网络中是否存在第三级分光的系统及其方法。公开了光分配网ODN网络的检测系统.一种用于无源光网络的检测模块,检测模块分别计算从光线路终端到N个光网络单元的每个光网络单元n的光衰Yn,并且以从光线路终端到每个光网络单元n的距离Xn为函数建立线性回归模型Yn=β0Xn+β1从而获得N组(β0,β1)系数,并针对所有N组(β0,β1)系数做聚类分析并确认离群点,从N组(β0,β1)所确定的离群点为异常分光位置,所述异常分光位置所属的光网络单元被确定为异常光网络单元m。
Description
技术领域
本公开涉及通信领域光网络系统,尤其是无源光网络的检测模块,更具体涉及检测ODN(光分配网)网络中是否存在第三级分光的系统及其方法。
背景技术
随着光纤通信技术的快速发展和低成本,通信网络从核心网、城域网到接入网,全部使用光纤组成网络已经称为基本共识。对于接入网采用无源光网络(PON,PassiveOptical Network)已经称为运营商的首选。PON接入网,基本结构从局端到用户端依次为光线路终端(OLT)、光分配网(ODN)、光网络单元(ONU)。
ODN网络为树型结构,通过无源的光分路器(OBD)将来自OLT的光信号分发到每个分光器端口,供用户端设备(ONU)接入。由于光在传输线路上和分光器、接头等位置都有损耗,且ODN中没有对光的补偿机制,因此,OLT发光功率、ODN损耗、ONU收光功率都必须控制在合理的范围内才能保证整个系统稳定运行。由于OLT发光功率比较稳定,为保证ONU收光稳定,需要对ODN进行控制。ODN可以使用分光器级联的方式进行延伸,但每增加一级,相应会增加光的损耗。为保证用户业务稳定,一般采用1级或2级分光,总分光比一般不超过1:64,更高的业务保障级别则要求1:32。
运营商建设的ODN网络一般根据技术要求、覆盖范围和效益综合考虑,预留的光衰富余度有限。如设计为2级分光,分别为1:8,总体为1:64,则会给用户端预留2个dB左右的损耗。如果用户端在分光器出口上违规增加一级分光器,形成三级分光,则会导致传输损耗增大、光信号劣化、接近临界值,影响用户网络质量。
当前没有一个有效的手段对违规增加第三级分光器进行检测和判定,只能到ODN网络现场人工检查,费时费力,效率低。
发明内容
在下文中给出了关于本公开的简要概述,以便提供关于本公开的一些方面的基本理解。但是,应当理解,这个概述并不是关于本公开的穷举性概述。它并不是意图用来确定本公开的关键性部分或重要部分,也不是意图用来限定本公开的范围。其目的仅仅是以简化的形式给出关于本公开的某些概念,以此作为稍后给出的更详细描述的前序。
本发明综合利用机房侧与用户侧设备距离、光衰值、在网时间等特征,对ODN网络中是否出现违规增加第三级的分光进行智能化预检和判定,提高ODN网络运维效率。
根据本公开的一个方面,公开了一种用于无源光网络的检测模块,所述无源光网络包括光线路终端、分光器、N个光网络单元,所述光线路终端以及N个光网络单元的每个光网络单元n(1≤n≤N)之间形成有一个或者多个分光器,其中所述检测模块分别计算从光线路终端到N个光网络单元的每个光网络单元n的光衰Yn,并且以从光线路终端到每个光网络单元n的距离Xn为函数建立线性回归模型Yn=β0Xn+β1从而获得N组(β0,β1)系数,并针对所有N组(β0,β1)系数做聚类分析并确认离群点,从N组(β0,β1)所确定的离群点为异常分光位置,所述异常分光位置所属的光网络单元被确定为异常光网络单元m。
优选地,所述检测模块将采集期内针对异常光网络单元m所采集的光衰Ym按时间排序,并做聚类分析并确认离群点,所确定的离群点的边缘所对应的时间为异常分光时间。
优选地,所述异常光网络单元m的数量为1个或者多个。
优选地,所述光线路终端和所述N个光网络单元间的分光器的级别的数量预期为Q。
优选地,所述光线路终端和所述异常光网络单元m间的分光器的级别的数量大于Q。
优选地,所述异常分光时间指示所述光线路终端和所述异常光网络单元m间添加多于预期数量Q的分光器的时间。
优选地,Q=2。
优选地,所述检测模块采集光线路终端的编号、分光器的编号、光线路终端发送光功率、N个光网络单元的每个光网络单元n的接入光功率、光线路终端与每个光网络单元n之间的距离、数据采集时间以用户ID。
优选地,所述检测模块根据光线路终端发送光功率以及N个光网络单元的每个光网络单元n的接入光功率计算从光线路终端到N个光网络单元的每个光网络单元n的光衰Yn。
根据本公开的另一个方面,公开了一种用于无源光网络的检测方法,其中所述无源光网络包括光线路终端、分光器、N个光网络单元,所述光线路终端以及N个光网络单元的每个光网络单元n(1≤n≤N)之间形成有一个或者多个分光器,所述检测方法的特征在于分别检测从光线路终端到N个光网络单元的每个光网络单元n的光衰Yn,并且以从光线路终端到光网络单元n的距离Xn为函数建立线性回归模型Yn=β0Xn+β1从而获得N组(β0,β1)系数,并针对所有N组(β0,β1)系数做聚类分析并确认离群点,从N组(β0,β1)所确定的离群点为异常分光位置,所述异常分光位置所属的光网络单元被确定为异常光网络单元m。
优选地,所述检测方法进一步包括将采集期内针对异常光网络单元m所采集的光衰Ym按时间排序,并做聚类分析并确认离群点,所确定的离群点的边缘所对应的时间为异常分光时间。
优选地,所述异常光网络单元m的数量为1个或者多个。
优选地,所述光线路终端和所述N个光网络单元间的分光器的级别的数量预期为Q。
优选地,所述光线路终端和所述异常光网络单元m间的分光器的级别的数量大于Q。
优选地,所述异常分光时间指示所述光线路终端和所述异常光网络单元m间添加多于预期数量Q的分光器的时间。
优选地,Q=2。
优选地,所述检测方法进一步包括采集光线路终端的编号、分光器的编号、光线路终端发送光功率、N个光网络单元的每个光网络单元n的接入光功率、光线路终端与每个光网络单元n之间的距离、数据采集时间以用户ID。
优选地,所述检测方法进一步包括根据光线路终端发送光功率以及N个光网络单元的每个光网络单元n的接入光功率计算从光线路终端到N个光网络单元的每个光网络单元n的光衰Yn。
根据本公开的又一个方面,公开了一种无源光网络的检测系统,所述系统包括根据权利要求1所述的检测模块以及无源光网络,所述无源光网络包括光线路终端、分光器、N个光网络单元,所述光线路终端以及N个光网络单元的每个光网络单元n(1≤n≤N)之间形成有一个或者多个分光器。
附图说明
构成说明书的一部分的附图描述了本公开的实施例,并且连同说明书一起用于解释本公开的原理。
参照附图,根据下面的详细描述,可以更清楚地理解本公开,其中:
图1示出无源光网络(PON)的网络结构图;
图2是光分配网(ODN)的树形结构图和违规增加第三级分光示意图;
图3是根据本发明的实施例的用于检测违规增加第三级分光的检测系统;
图4是根据本发明的实施例的用于检测违规增加第三级分光的算法流程图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
为便于更好地理解根据本公开的技术方案,下面简单介绍一些可适用于本公开的无源光网络(PON)。
图1示出无源光网络(PON)的网络结构图。
无源光网络(PON)的基本结构从机房端到用户端依次为光线路终端(OLT)、光分配网(ODN)、光网络单元(ONU)。ODN网络为树型结构,通过无源的光分路器(OBD)将来自OLT的光信号分发到每个分光器端口,供用户端设备(ONU)接入。由于光在传输线路上和分光器、接头等位置都有损耗,且ODN中没有对光的补偿机制,因此,OLT发光功率、ODN损耗、ONU收光功率都必须控制在合理的范围内才能保证整个系统稳定运行。
由于OLT发光功率比较稳定,为保证ONU收光稳定,需要对ODN进行控制。ODN可以使用分光器级联的方式进行延伸,但每增加一级,相应会增加光的损耗。例如,分光比分别为1:32、1:64以及1:128其相应的损耗为3*(N+1),即12dB、21dB以及24dB。如果以5公里光分配网为例,考虑光纤每公里损耗是0.4dB/Km,忽略其他损耗,则其最少的光链路损耗相对于以上三种分光器分别是14dB、23dB以及26dB。很明显,分光器的损耗在整个光链路损耗中占的比例是最大的,因此挑选级数低的分光器在ODN中对于降低整个光链路的损耗起着至关重要的作用。为保证用户业务稳定,一般采用1级或2级分光,总分光比一般不超过1:64,更高的业务保障级别则要求1:32。
但是如果用户端例如在传统2级分光器出口上违规增加另一级分光器,形成三级分光,则会导致传输损耗增大、光信号劣化、接近临界值,影响用户网络质量。当前没有一个有效的手段对违规增加额外级别的分光器进行检测和判定,只能到ODN网络现场人工检查,费时费力,效率低因此。图2是光分配网(ODN)的树形结构图和违规增加第三级分光示意图。如图2所示,在预先设置的一级分光器和二级分光器的基础上,用户违规增加了第三级分光器。虽然违规接入的第三级分光器使得更多的光网络单元可以被接入,但是如前所述,这会导致传输损耗增大、光信号劣化、接近临界值,影响用户网络质量,是实际操作中需要被禁止的。
图3是根据本发明的实施例的用于检测违规增加第三级分光的检测系统。
本发明所提出的模型综合利用机房端与用户端设备距离、光衰值、在网时间等特征,对ODN网络中是否出现违规增加第三级的分光进行智能化预检和判定,提高ODN网络运维效率。本发明所提供的检测违规增加分光器的技术方案具有如下优点和效果:(1)解决了光分配网ODN运维中难以发现的违规增加额外级别的分光器的远程判定问题;(2)既能找出违规增加额外级别的分光器的可疑位置,也能找出违规操作发生的可疑日期。
参考图3,本发明的一个实施例公开了一种用于无源光网络300的检测模块304,所述无源光网络300包括光线路终端301、分光器302(包括一级分光器、二级分光器以及违规增加的三级分光器)、N个光网络单元303-1…303-N(1≤n≤N),所述光线路终端301以及N个光网络单元303的每个光网络单元n之间形成有一个或者多个分光器302,其中所述检测模块304分别计算从光线路终端301到N个光网络单元的每个光网络单元303-n的光衰Yn,并且以从光线路终端301到每个光网络单元303-n的距离Xn为函数建立线性回归模型:
Yn=β0Xn+β1
针对每个光网络单元n,通过建立线性回归模型可得到一组(β0,β1)系数。由于总共有N个光网络单元,因此总共可获得N组(β0,β1)系数。针对所有N组(β0,β1)系数做聚类分析,例如使用K-means算法。根据聚类结果判断出明显的离群点,从N组(β0,β1)所确定的离群点被识别为异常分光位置。所述异常分光位置所属的光网络单元m被确定为异常光网络单元m。值得注意的是,本发明中所识别出的异常光网络单元不限于1个,可能是1个或者多个。
参考图3所示的实施例,在确定了异常光网络单元m之后,检测模块304将采集期内针对异常光网络单元m所采集的光衰Ym按时间排序,并进行聚类分析以及离群点检测,类别边缘点所对应的时间点则为发生违规操作的可疑的异常分光时间,即高度怀疑在该异常分光时间处,额外级别(不期望)的分光器(例如,图3所示的第三级分光器)并引入到光分配网络中。
建立线性回归模型、进行聚类分析以及寻找离群点分别所应用的数学算法,例如k-means聚类算法,为本领域常规技术手段,因此在本说明书中将不再赘述。
为了示例起见,图3示出了期望的第一和第二级分光器并且作为异常分光级别的第三级分光器。但是,本发明不限于以第一和第二级分光器作为期望的分光器级别并且将第三季分光器作为异常的分光级别,其他级别的分光器均适用于本发明。虽然图3中仅示出了一个光网络单元具有第三级分光器(即,多余级别的分光器),但是本发明不限于一个光网络单元,本发明适用多余一个光网络单元拥有多余级别的分光器的情形。另外,本发明中的检测模块304可以通过硬件、软件或者软件与硬件相结合的方式实现。
图4是根据本发明的实施例的用于检测违规增加第三级分光的算法流程图。
图4开始于步骤400;在步骤401中,采集并计算按位置和时间分组的光衰和距离数据,例如计算从光线路终端301到N个光网络单元的每个光网络单元303-n的光衰Yn数据,并且采集从光线路终端301到光网络单元303-n的距离Xn数据,例如由图3中所示的检测模块采集光线路终端的编号、分光器的编号、光线路终端发送光功率、N个光网络单元的每个光网络单元n的接入光功率、光线路终端与每个光网络单元n之间的距离、数据采集时间以用户ID;在步骤403中,根据之前采集的数据针对每个光网络单元n分别建立线性回归模型,例如建立以距离Xn为函数的光衰Yn的线性回归模型Yn=β0Xn+β1;在步骤404中,根据在步骤403中建立的N组线性回归模型,获得总共N组(β0,β1)系数;在步骤405中,针对所有N组(β0,β1)系数做聚类分析,例如使用K-means算法,然后根据聚类结果判断出明显的离群点;在步骤406中,从N组(β0,β1)所确定的离群点被识别为异常分光位置;在步骤407中,针对被识别为异常分光位置的光网络单元303-m收集时间序列数据;在步骤408中,对收集的时间序列数据进行聚类分析以及离群点检测;在步骤409中,根据所检测到的离群点,确定异常操作发生的时间,例如确定离群点的边缘所对应的时间。
应当理解,本说明书中“实施例”或类似表达方式的引用是指结合该实施例所述的特定特征、结构、或特性系包括在本公开的至少一具体实施例中。因此,在本说明书中,“在本公开的实施例中”及类似表达方式的用语的出现未必指相同的实施例。
本领域技术人员应当知道,本公开被实施为一系统、装置、方法或作为计算机程序产品的计算机可读媒体(例如非瞬态存储介质)。因此,本公开可以实施为各种形式,例如完全的硬件实施例、完全的软件实施例(包括固件、常驻软件、微程序代码等),或者也可实施为软件与硬件的实施形式,在以下会被称为“电路”、“模块”或“系统”。此外,本公开也可以任何有形的媒体形式实施为计算机程序产品,其具有计算机可使用程序代码存储于其上。
本公开的相关叙述参照根据本公开具体实施例的系统、装置、方法及计算机程序产品的流程图和/或框图来进行说明。可以理解每一个流程图和/或框图中的每一个块,以及流程图和/或框图中的块的任何组合,可以使用计算机程序指令来实施。这些计算机程序指令可供通用型计算机或特殊计算机的处理器或其它可编程数据处理装置所组成的机器来执行,而指令经由计算机或其它可编程数据处理装置处理以便实施流程图和/或框图中所说明的功能或操作。
在附图中显示根据本公开各种实施例的系统、装置、方法及计算机程序产品可实施的架构、功能及操作的流程图及框图。因此,流程图或框图中的每个块可表示一模块、区段、或部分的程序代码,其包括一个或多个可执行指令,以实施指定的逻辑功能。另外应当注意,在某些其它的实施例中,块所述的功能可以不按图中所示的顺序进行。举例来说,两个图示相连接的块事实上也可以同时执行,或根据所涉及的功能在某些情况下也可以按图标相反的顺序执行。此外还需注意,每个框图和/或流程图的块,以及框图和/或流程图中块的组合,可藉由基于专用硬件的系统来实施,或者藉由专用硬件与计算机指令的组合,来执行特定的功能或操作。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (19)
1.一种用于无源光网络的检测模块,所述无源光网络包括光线路终端、分光器、N个光网络单元,所述光线路终端以及N个光网络单元的每个光网络单元n(1≤n≤N)之间形成有一个或者多个分光器,其中所述检测模块分别计算从光线路终端到N个光网络单元的每个光网络单元n的光衰Yn,并且以从光线路终端到每个光网络单元n的距离Xn为函数建立线性回归模型Yn=β0Xn+β1从而获得N组(β0,β1)系数,并针对所有N组(β0,β1)系数做聚类分析并确认离群点,从N组(β0,β1)所确定的离群点为异常分光位置,所述异常分光位置所属的光网络单元被确定为异常光网络单元m。
2.根据权利要求1所述的检测模块,其中所述检测模块将采集期内针对异常光网络单元m所采集的光衰Ym按时间排序,并做聚类分析并确认离群点,所确定的离群点的边缘所对应的时间为异常分光时间。
3.根据权利要求1所述的检测模块,其中所述异常光网络单元m的数量为1个或者多个。
4.根据权利要求1-3任意一项所述的检测模块,其中所述光线路终端和所述N个光网络单元间的分光器的级别的数量预期为Q。
5.根据权利要求1-3任意一项所述的检测模块,其中所述光线路终端和所述异常光网络单元m间的分光器的级别的数量大于Q。
6.根据权利要求2所述的检测模块,其中所述异常分光时间指示所述光线路终端和所述异常光网络单元m间添加多于预期数量Q的分光器的时间。
7.根据权利要求6所述的检测模块,其中Q=2。
8.根据权利要求1-3任意一项所述的检测模块,其中检测模块采集光线路终端的编号、分光器的编号、光线路终端发送光功率、N个光网络单元的每个光网络单元n的接入光功率、光线路终端与每个光网络单元n之间的距离、数据采集时间以及用户ID。
9.根据权利要求1-3任意一项所述的检测模块,其中所述检测模块根据光线路终端发送光功率以及N个光网络单元的每个光网络单元n的接入光功率计算从光线路终端到N个光网络单元的每个光网络单元n的光衰Yn。
10.一种用于无源光网络的检测方法,其中所述无源光网络包括光线路终端、分光器、N个光网络单元,所述光线路终端以及N个光网络单元的每个光网络单元n(1≤n≤N)之间形成有一个或者多个分光器,所述检测方法的特征在于分别检测从光线路终端到N个光网络单元的每个光网络单元n的光衰Yn,并且以从光线路终端到光网络单元n的距离Xn为函数建立线性回归模型Yn=β0Xn+β1从而获得N组(β0,β1)系数,并针对所有N组(β0,β1)系数做聚类分析并确认离群点,从N组(β0,β1)所确定的离群点为异常分光位置,所述异常分光位置所属的光网络单元被确定为异常光网络单元m。
11.根据权利要求10所述的检测方法,所述检测方法进一步包括将采集期内针对异常光网络单元m所采集的光衰Ym按时间排序,并做聚类分析并确认离群点,所确定的离群点的边缘所对应的时间为异常分光时间。
12.根据权利要求10所述的检测方法,其中所述异常光网络单元m的数量为1个或者多个。
13.根据权利要求10-12任意一项所述的检测方法,其中所述光线路终端和所述N个光网络单元间的分光器的级别的数量预期为Q。
14.根据权利要求10-12任意一项所述的检测方法,其中所述光线路终端和所述异常光网络单元m间的分光器的级别的数量大于Q。
15.根据权利要求11所述的检测方法,其中所述异常分光时间指示所述光线路终端和所述异常光网络单元m间添加多于预期数量Q的分光器的时间。
16.根据权利要求15所述的检测方法,其中Q=2。
17.根据权利要求10-12任意一项所述的检测方法,进一步包括采集光线路终端的编号、分光器的编号、光线路终端发送光功率、N个光网络单元的每个光网络单元n的接入光功率、光线路终端与每个光网络单元n之间的距离、数据采集时间以及用户ID。
18.根据权利要求10-12任意一项所述的检测方法,进一步包括根据光线路终端发送光功率以及N个光网络单元的每个光网络单元n的接入光功率计算从光线路终端到N个光网络单元的每个光网络单元n的光衰Yn。
19.一种无源光网络的检测系统,所述系统包括根据权利要求1所述的检测模块以及无源光网络,所述无源光网络包括光线路终端、分光器、N个光网络单元,所述光线路终端以及N个光网络单元的每个光网络单元n(1≤n≤N)之间形成有一个或者多个分光器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010161510.2A CN113382321B (zh) | 2020-03-10 | 2020-03-10 | 一种判断odn(光分配网)网络中是否存在第三级分光的系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010161510.2A CN113382321B (zh) | 2020-03-10 | 2020-03-10 | 一种判断odn(光分配网)网络中是否存在第三级分光的系统及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113382321A CN113382321A (zh) | 2021-09-10 |
CN113382321B true CN113382321B (zh) | 2022-06-07 |
Family
ID=77568656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010161510.2A Active CN113382321B (zh) | 2020-03-10 | 2020-03-10 | 一种判断odn(光分配网)网络中是否存在第三级分光的系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113382321B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104618134A (zh) * | 2014-12-25 | 2015-05-13 | 国家电网公司 | 一种配电通信网多级分光无源光网络优化方法 |
CN110537187A (zh) * | 2019-02-25 | 2019-12-03 | 华为技术有限公司 | 一种拓扑处理方法和装置以及系统 |
CN110838928A (zh) * | 2018-08-15 | 2020-02-25 | 华为技术有限公司 | Odn的逻辑拓扑信息的获取方法、装置、设备和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3005594A1 (en) * | 2013-06-04 | 2016-04-13 | Telefonaktiebolaget LM Ericsson (publ) | Transceiver for use in fibre network |
-
2020
- 2020-03-10 CN CN202010161510.2A patent/CN113382321B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104618134A (zh) * | 2014-12-25 | 2015-05-13 | 国家电网公司 | 一种配电通信网多级分光无源光网络优化方法 |
CN110838928A (zh) * | 2018-08-15 | 2020-02-25 | 华为技术有限公司 | Odn的逻辑拓扑信息的获取方法、装置、设备和存储介质 |
CN110537187A (zh) * | 2019-02-25 | 2019-12-03 | 华为技术有限公司 | 一种拓扑处理方法和装置以及系统 |
Non-Patent Citations (3)
Title |
---|
Optimizing of Passive Optical Network Deployment Using Algorithm with Metrics;Tomas PEHNELT等;《OPTICS AND OPTOELECTRONICS》;20171231;第15卷(第5期);全文 * |
Performance Analysis for Downstream Next Generation Converged WSN-PON ODN Network Incorporating Diverse Phase Delay;Love Kumar等;《Fiber and Integrated Optics》;20171231;第36卷(第6期);全文 * |
PON二级分光在全业务组网中的应用探析;李建荣 等;《电信工程技术与标准化》;20141231(第5期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113382321A (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11722217B2 (en) | Method and apparatus for obtaining ODN logical topology information, device, and storage medium | |
KR102444602B1 (ko) | 광 링크 장애 식별 방법, 장치 및 시스템 | |
CN108964756B (zh) | 光分配网络的故障检测方法及装置、无源光网络系统 | |
US20140111795A1 (en) | Systems and methods of performing reflection and loss analysis of optical-time-domain-reflectometry (otdr) data acquired for monitoring the status of passive optical networks | |
CN101895339A (zh) | 电力光缆网故障预警和定位的实现方法 | |
CN111884716A (zh) | 一种基于神经网络的光纤通信系统性能评估方法 | |
CN114866137B (zh) | 电力光缆网的检测方法及装置 | |
CN111884832A (zh) | 一种获取无源网络拓扑信息的方法及相关设备 | |
CN113382321B (zh) | 一种判断odn(光分配网)网络中是否存在第三级分光的系统及其方法 | |
US10476737B2 (en) | Hybrid fiber coaxial (HFC) network fault locating method, apparatus, and system | |
CN106330297B (zh) | 一种检测光纤故障点的方法和装置 | |
CN113038305B (zh) | 光纤到楼fttb控制为光纤到户ftth的方法及装置 | |
CN102238060A (zh) | 一种路由选择方法和装置 | |
CA2378105A1 (en) | Methods and system for automatic optical fiber type identification | |
CN110866594B (zh) | 光传送网otn的色散计算方法 | |
CN113891191B (zh) | 光路拓扑还原方法、装置、设备及计算机可读存储介质 | |
CN117560597A (zh) | 一种odn网络的光衰节点定位方法、装置和存储介质 | |
US11405100B2 (en) | Methods and systems for monitoring optical networks | |
US7817917B1 (en) | System and method for monitoring telecommunications equipment | |
CN113630670B (zh) | 一种pon链路弱光故障定界方法、系统及装置 | |
CN109495178A (zh) | 一种FTTx网络拓扑链路的构建方法及装置 | |
JP3463991B2 (ja) | 光損失特性の推定方法 | |
CN116208382A (zh) | 用于网络结构性安全分析的方法、系统、电子设备及介质 | |
CN116017209A (zh) | 一种基于光功率的接入网设备预检预修的方法及装置 | |
CN117768014A (zh) | 一种光分配网络故障处理的方法、装置、设备及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |