CN115173936A - 一种光模块识别标记方法及装置 - Google Patents
一种光模块识别标记方法及装置 Download PDFInfo
- Publication number
- CN115173936A CN115173936A CN202210778625.5A CN202210778625A CN115173936A CN 115173936 A CN115173936 A CN 115173936A CN 202210778625 A CN202210778625 A CN 202210778625A CN 115173936 A CN115173936 A CN 115173936A
- Authority
- CN
- China
- Prior art keywords
- optical module
- information
- physical
- optical
- module
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/07—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Optical Communication System (AREA)
Abstract
本申请涉及一种光模块识别标记方法及装置,其特征在于,其包括步骤:采集至少两个预设光模块所发出光信号的物理信息,并获取与所述物理信息对应的物理参数,所述物理信息用于反映所述光模块中发射机的质量情况;通过深度学习构建所述物理参数与所述预设光模块的ID信息之间的函数关系;根据光模块的物理参数和所述函数关系对光模块进行识别或打标。本发明实施例采用了器件物理属性进行识别,加密性更强,提供了光模块识别的安全性。
Description
技术领域
本发明涉及光通信技术领域,特别涉及一种光模块识别标记方法及装置。
背景技术
随着互联网流量爆发式的增长,光纤通信技术极大地发展,利用和改造光模块对网络的运行情况进行监控和可视化管理是目前技术发展的方向。
光模块的类型很多,例如,以光模块的端口速率类型来区分,包括1G、10G、25G、40G,100G,200G等速率类型的光模块;以封装格式来区分,包括SFP(Small form-factorpluggable)、QSFP(Quad Small form-factor pluggable)、CFP(C form-factor pluggabletransceiver)等协议进行封装的光模块;以调制格式来区分,有NRZ,PAM4,QPSK,QAM调制等格式。客户在设备使用组网过程中,需要对即将使用的光模块进行识别,以确定该光模块的类型。
在对光模块进行识别时,相关技术中,一般是根据光模块中的协议寄存器的内容来识别光模块类型。具体的,根据特定协议指定光模块中的特定寄存器作为协议寄存器,并根据该协议寄存器中相应的比特位置标记光模块ID信息。光模块标识ID信息存储在光模块的寄存器内,其ID信息一般可通过报文信息或者业务信号中帧结构开销字段进行发送。将光模块标识ID信息存储在预设数据存储空间中的,并将数据通过低频信息通道发送出去。
基于相关技术可能存在的问题在于:1)厂家在生产的光模块的协议寄存器的内容存在配置错误,从而导致识别装置得出错误的光模块ID信息。2)随着协议寄存器不断更新扩展和模块种类增加,光模块ID信息传输需要更改上层协议或者额外硬件开销,以致越来越多的厂家由于各种不同需求按照私有寄存器规则存储ID信息,从而导致识别装置无法识别该光模块的ID信息。3)在传输过程中安全性也受到挑战,由于光模块的ID信息均是以软件层面进行存储,在传输过程中其信息跟业务一样存在被篡改和截取的风险。
发明内容
本发明实施例提供一种光模块识别标记方法及装置,以实现光模块的安全识别和标记。
一方面,提供了一种光模块识别标记方法,其特征在于,其包括步骤:
采集至少两个预设光模块所发出光信号的物理信息,并获取与所述物理信息对应的物理参数,所述物理信息用于反映所述光模块中发射机的质量情况;
通过深度学习构建所述物理参数与所述预设光模块的ID信息之间的函数关系;
根据光模块的物理参数和所述函数关系对光模块进行识别或打标。
一些实施例中,所述物理信息包括频响曲线和/或星座图。
一些实施例中,若所述物理信息为频响曲线,则所述获取与所述物理信息对应的物理参数包括步骤:
在所述频响曲线的低频范围选取至少两个频点;
获取对应频点的频响损耗值并将所述频响损耗值作为与所述频响曲线对应的物理参数。
一些实施例中,若所述物理信息为星座图,则所述获取与所述物理信息对应的物理参数包括步骤:
获取所述星座图的EVM值、幅度差、相位差、频差、IQ偏移、IQ幅度不均衡、IQ skew以及正交差并以此作为与所述星座图对应的物理参数。
一些实施例中,所述采集至少两个预设光模块所发出光信号的物理信息,包括步骤:
将所述光信号进行光电信号转换后通过ADC采样获取其对应的数字信号信息;
根据所述数字信号信息获取所述光信号的物理参数。
一些实施例中,所述通过深度学习构建所述物理参数与所述预设光模块的ID信息之间的函数关系,包括步骤:
将所述预设光模块的ID信息作为结果,将所述物理参数作为导入参数进行深度学习;
根据深度学习的结果建立所述物理参数与所述预设光模块的ID信息之间的函数关系。
一些实施例中,根据光模块的物理参数和所述函数关系对光模块进行识别或打标,包括步骤:
在对光模块进行打标时,将所述光模块的物理参数作为导入参数代入所述函数关系并计算所述光模块的ID识别信息;
将所述述光模块的ID识别信息存入光模块的预设ID信息库中。
一些实施例中,根据光模块的物理参数和所述函数关系对光模块进行识别或打标,包括步骤:
在对光模块进行识别时,将所述光模块的物理参数作为导入参数代入所述函数关系并计算所述光模块的ID识别信息;
将所述光模块的ID识别信息与所述预设ID信息库进行比对查找,并根据查找的结果进行光模块识别。
另一方面,提供了一种光模块识别标记装置,其特征在于,其包括:
物理信息采集模块,其用于采集至少两个预设光模块所发出光信号的物理信息,并获取与所述物理信息对应的物理参数,所述物理信息用于反映所述光模块中发射机的质量情况;
深度学习模块,其用于通过深度学习构建所述物理参数与所述预设光模块的ID信息之间的函数关系;
识别或打标模块,其用于根据光模块的物理参数和所述函数关系对光模块进行识别或打标。
一些实施例中,所述物理信息采集模块还用于:
若所述物理信息为频响曲线,则:
在所述频响曲线的低频范围选取至少两个频点;
获取对应频点的频响损耗值并将所述频响损耗值作为与所述频响曲线对应的物理参数;
若所述物理信息为星座图,则获取所述星座图的EVM值、幅度差、相位差、频差、IQ偏移、IQ幅度不均衡、IQ skew以及正交差并以此作为与所述星座图对应的物理参数;
所述深度学习模块,还用于:
将预设光模块的ID信息作为结果,将所述物理参数作为导入参数进行深度学习;
根据深度学习的结果建立所述物理参数与预设光模块的ID信息之间的函数关系;
所述识别或打标模块,还用于:
在对光模块进行打标时,将所述光模块的物理参数作为导入参数代入所述函数关系并计算所述光模块的ID识别信息,并将所述述光模块的ID识别信息存入光模块的预设ID信息库中;
在对光模块进行识别时,将所述光模块的物理参数作为导入参数代入所述函数关系并计算所述光模块的ID识别信息,并将所述光模块的ID识别信息与所述预设ID信息库进行比对查找,根据查找的结果进行光模块识别。
本发明提供的技术方案带来的有益效果包括:
本发明实施例提供的一种光模块识别标记方法,首次通过将器件的物理层参数作为光模块识别和标识导入参数,在不改变现有系统结构的条件下实现光模块的在线识别和标记。同时该方法可在无需更改上层协议和额外硬件开销的前提下实现光模块的在线识别和标记。由于是采用了器件物理属性进行识别,加密性更强,安全性增加,不存在被篡改和截取的风险。可支持多种光模块类型,包括相干光模块和非相干光模块,支持NRZ,PAM4,QSPK,QAM等多种调制格式。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种光模块识别标记方法的流程示意图;
图2为本发明实施例提供的光模块的光信号获取装置示意图;
图3为本发明实施例提供的光模块的发送端TX频响曲线示意图;
图4为本发明实施例提供的光信号的QPSK格式星座图示意图;
图5为本发明实施例提供的一种光模块识别标记装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供了一种光模块识别标记方法,包括步骤:
S100:采集至少两个预设光模块所发出光信号的物理信息,并获取与所述物理信息对应的物理参数,所述物理信息用于反映所述光模块中发射机的质量情况;
S200:通过深度学习构建所述物理参数与所述预设光模块的ID信息之间的函数关系;
S300:根据光模块的物理参数和所述函数关系对光模块进行识别或打标。
需要说明的是,预设光模块选择已建立的ID信息库中的光模块,因此所述预设光模块的ID信息是来自预设ID信息库。
本发明实施例提供的一种光模块识别标记方法,首次通过将器件的物理层参数作为光模块识别和标识导入参数,在不改变现有系统结构的条件下实现光模块的在线识别和标记。同时该方法可在无需更改上层协议和额外硬件开销的前提下实现光模块的在线识别和标记。由于是采用了器件物理属性进行识别,加密性更强,安全性增加,不存在被篡改和截取的风险。可支持多种光模块类型,包括相干光模块和非相干光模块,支持NRZ,PAM4,QSPK,QAM等多种调制格式。
一些实施例中,光模块的ID信息包括厂商号、光模块序号、模块封装、速率、调制格式、波长、传输距离等等中的一种或多种。
如图2所示,一些实施例中,步骤S100中采集光模块的物理信息的方式包括对所述光信号进行光电转换以及ADC采样获取所述光信号的数字信号信息,再根据所述数字信号信息获取所述光信号的物理参数。
可以理解的是,光模块输出的光信号经过光链路后由接收机接收进行光电转换,并进行ADC采样为获取其数字信号信息,进而完成光模块所发出光信号的物理信息采集。可优选地,光模块工作状态预配置相同,即TX发端将其设为统一相同配置状态。如果在线时,其中接收机可以为接收光模块的接收部分。
一些实施例中,用于反映光模块中发射机的质量情况的物理信息包括频响曲线和/或星座图。
可优选地,步骤S100中针对物理信息为频响曲线的情况,则在频响曲线的某低频范围内选取至少两个频点,获取对应频点的频响损耗值并将频响损耗值作为与频响曲线对应的物理参数。
可优选地,步骤S100中针对物理信息为星座图的情况,则获取星座图的EVM值、幅度差、相位差、频差、IQ偏移(IQ offset)、IQ幅度不均衡(IQ Imbalance)、通道延时IQ skew以及正交差并以此作为与星座图对应的物理参数。
一些实施例中,步骤S200包括:
S210:将所述预设光模块的ID信息作为结果,将所述物理参数作为导入参数进行深度学习;
S220:根据深度学习的结果建立所述物理参数与所述预设光模块的ID信息之间的函数关系。
可以理解的是,深度学习包括可包括以下DBN(Deep belief network)深度信念网络、CNN(Convolution Neural Networks)卷积神经网络、RNN(Recurrent neural network)递归神经网络,全连接网络等等算法模型。
如图3所示,在一个具体的实施例中,选取的物理特性是其TX发射端的频响曲线特性,可优选NRZ和PAM4这种调制格式的光模块。首选在某段低频范围内选取N个频点f1,f2,....fn(N大于等于2);再获取对应频点的频响损耗值R1,R2,...Rn(n大于等于2);最后将m个光模块的Rn作为输入参数(m大于等于2),进行深度学习(例如神经网络,机器学习),构建标识规则H(Rn)函数关系。
如图4所示,在一个具体的实施例中,选取的物理特性是其星座图特性,可优选QPSK和QAM这种调制格式的光模块(例如现在已商用的相干光模块)。首先,通过采集的数字信号恢复成星座图;再计算获取其EVM值,幅度差,相位差,频差,IQ偏移,IQ幅度不均衡,IQskew,正交差,分别B1,B2...Bn(n小于等于8);最后将m个光模块的Bn作为输入参数(m大于等于2),进行深度学习(例如神经网络,机器学习),构建标识规则E(Bn)函数关系。
需要说明的是以上实施例中TX的频响特性和星座图是衡量发射机的质量,可以标定其损失特性,具有唯一性,即反映了每个光模块的独有特性。
一些实施例中,步骤S300中对光模块进行打标的过程为:将所述光模块的物理参数作为导入参数代入所述函数关系并计算所述光模块的ID识别信息;再将所述述光模块的ID识别信息存入光模块的预设ID信息库中。
可以理解的是,当累积了一定数据量的大数据深度学习后(前述选择的光模块数量m越大越好),已经构建了光模块ID信息库和光模块ID标识规则的函数关系。对一个未标记的新光模块进行在线标记时,可首先在线获取该新光模块的输出光信号,采集光信号相关的物理信息(包括频谱或星座图);再计算出其每个参数信息作为物理参数导入已构建的函数关系,完成对该新光模块ID识别信息计算输出。最终确定新的ID信息,完成新光模块在线标记并将新的ID信息存入已构建的ID信息库(预设ID信息库)中。
一些实施例中,步骤S300中对光模块进行识别的过程为:将所述光模块的物理参数作为导入参数代入所述函数关系并计算所述光模块的ID识别信息;再将所述光模块的ID识别信息与所述预设ID信息库进行比对查找,并根据查找的结果进行光模块识别。
可以理解的是,若查找到匹配的ID信息,则判断为识别出已标记过的ID信息,以此输出识别结果。若未查找到匹配的ID信息,则认为识别失败,该模块不是已知ID信息的光模块。
如图5所示,一种光模块识别标记装置,其包括:
物理信息采集模块,其用于采集至少两个预设光模块所发出光信号的物理信息,并获取与所述物理信息对应的物理参数,所述物理信息用于反映所述光模块中发射机的质量情况;
深度学习模块,其用于通过深度学习构建所述物理参数与所述预设光模块的ID信息之间的函数关系;
识别或打标模块,其用于根据光模块的物理参数和所述函数关系对光模块进行识别或打标。
一些实施例中,物理信息采集模块还用于:
若所述物理信息为频响曲线,则在所述频响曲线的低频范围选取至少两个频点,再获取对应频点的频响损耗值并将所述频响损耗值作为与所述频响曲线对应的物理参数;
若所述物理信息为星座图,则获取所述星座图的EVM值、幅度差、相位差、频差、IQ偏移、IQ幅度不均衡、IQ skew以及正交差并以此作为与所述星座图对应的物理参数。
一些实施例中,深度学习模块还用于:
将预设光模块的ID信息作为结果,将所述物理参数作为导入参数进行深度学习;
根据深度学习的结果建立所述物理参数与预设光模块的ID信息之间的函数关系。
一些实施例中,识别或打标模块,还用于:
在对光模块进行打标时,将所述光模块的物理参数作为导入参数代入所述函数关系并计算所述光模块的ID识别信息,并将所述述光模块的ID识别信息存入光模块的预设ID信息库中;
在对光模块进行识别时,将所述光模块的物理参数作为导入参数代入所述函数关系并计算所述光模块的ID识别信息,并将所述光模块的ID识别信息与所述预设ID信息库进行比对查找,根据查找的结果进行光模块识别。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读存储介质上,计算机可读存储介质可以包括计算机可读存储介质(或非暂时性介质)和通信介质(或暂时性介质)。
以上仅为本发明实施例的具体实施方式,但本发明实施例的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明实施例揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明实施例的保护范围之内。因此,本发明实施例的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种光模块识别标记方法,其特征在于,其包括步骤:
采集至少两个预设光模块所发出光信号的物理信息,并获取与所述物理信息对应的物理参数,所述物理信息用于反映所述光模块中发射机的质量情况;
通过深度学习构建所述物理参数与所述预设光模块的ID信息之间的函数关系;
根据光模块的物理参数和所述函数关系对光模块进行识别或打标。
2.如权利要求1所述的一种光模块识别标记方法,其特征在于,
所述物理信息包括频响曲线和/或星座图。
3.如权利要求2所述的一种光模块识别标记方法,其特征在于,
若所述物理信息为频响曲线,则所述获取与所述物理信息对应的物理参数包括步骤:
在所述频响曲线的低频范围选取至少两个频点;
获取对应频点的频响损耗值并将所述频响损耗值作为与所述频响曲线对应的物理参数。
4.如权利要求2所述的一种光模块识别标记方法,其特征在于,
若所述物理信息为星座图,则所述获取与所述物理信息对应的物理参数包括步骤:
获取所述星座图的EVM值、幅度差、相位差、频差、IQ偏移、IQ幅度不均衡、IQ skew以及正交差并以此作为与所述星座图对应的物理参数。
5.如权利要求1所述的一种光模块识别标记方法,其特征在于,
所述采集至少两个预设光模块所发出光信号的物理信息,包括步骤:
将所述光信号进行光电信号转换后通过ADC采样获取其对应的数字信号信息;
根据所述数字信号信息获取所述光信号的物理参数。
6.如权利要求1所述的一种光模块识别标记方法,其特征在于,
所述通过深度学习构建所述物理参数与所述预设光模块的ID信息之间的函数关系,包括步骤:
将所述预设光模块的ID信息作为结果,将所述物理参数作为导入参数进行深度学习;
根据深度学习的结果建立所述物理参数与所述预设光模块的ID信息之间的函数关系。
7.如权利要求1所述的一种光模块识别标记方法,其特征在于,根据光模块的物理参数和所述函数关系对光模块进行识别或打标,包括步骤:
在对光模块进行打标时,将所述光模块的物理参数作为导入参数代入所述函数关系并计算所述光模块的ID识别信息;
将所述述光模块的ID识别信息存入光模块的预设ID信息库中。
8.如权利要求1所述的一种光模块识别标记方法,其特征在于,根据光模块的物理参数和所述函数关系对光模块进行识别或打标,包括步骤:
在对光模块进行识别时,将所述光模块的物理参数作为导入参数代入所述函数关系并计算所述光模块的ID识别信息;
将所述光模块的ID识别信息与所述预设ID信息库进行比对查找,并根据查找的结果进行光模块识别。
9.一种光模块识别标记装置,其特征在于,其包括:
物理信息采集模块,其用于采集至少两个预设光模块所发出光信号的物理信息,并获取与所述物理信息对应的物理参数,所述物理信息用于反映所述光模块中发射机的质量情况;
深度学习模块,其用于通过深度学习构建所述物理参数与所述预设光模块的ID信息之间的函数关系;
识别或打标模块,其用于根据光模块的物理参数和所述函数关系对光模块进行识别或打标。
10.如权利要求9所述的一种光模块识别标记装置,其特征在于,
所述物理信息采集模块还用于:
若所述物理信息为频响曲线,则:
在所述频响曲线的低频范围选取至少两个频点;
获取对应频点的频响损耗值并将所述频响损耗值作为与所述频响曲线对应的物理参数;
若所述物理信息为星座图,则获取所述星座图的EVM值、幅度差、相位差、频差、IQ偏移、IQ幅度不均衡、IQ skew以及正交差并以此作为与所述星座图对应的物理参数;
所述深度学习模块,还用于:
将预设光模块的ID信息作为结果,将所述物理参数作为导入参数进行深度学习;
根据深度学习的结果建立所述物理参数与预设光模块的ID信息之间的函数关系;
所述识别或打标模块,还用于:
在对光模块进行打标时,将所述光模块的物理参数作为导入参数代入所述函数关系并计算所述光模块的ID识别信息,并将所述述光模块的ID识别信息存入光模块的预设ID信息库中;
在对光模块进行识别时,将所述光模块的物理参数作为导入参数代入所述函数关系并计算所述光模块的ID识别信息,并将所述光模块的ID识别信息与所述预设ID信息库进行比对查找,根据查找的结果进行光模块识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210778625.5A CN115173936B (zh) | 2022-06-30 | 2022-06-30 | 一种光模块识别标记方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210778625.5A CN115173936B (zh) | 2022-06-30 | 2022-06-30 | 一种光模块识别标记方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115173936A true CN115173936A (zh) | 2022-10-11 |
CN115173936B CN115173936B (zh) | 2023-07-21 |
Family
ID=83492107
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210778625.5A Active CN115173936B (zh) | 2022-06-30 | 2022-06-30 | 一种光模块识别标记方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115173936B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102340348A (zh) * | 2010-07-15 | 2012-02-01 | 中兴通讯股份有限公司 | 一种光发射信号质量测试方法和系统 |
US20160112778A1 (en) * | 2013-06-27 | 2016-04-21 | Zte Corporation | Optical Network Unit, and Communications System and Method |
WO2016061975A1 (zh) * | 2014-10-21 | 2016-04-28 | 中兴通讯股份有限公司 | 一种误差矢量幅度系列参数确定方法和装置 |
CN106936653A (zh) * | 2015-12-30 | 2017-07-07 | 华为数字技术(苏州)有限公司 | 一种光模块类型的识别方法及装置 |
CN107342962A (zh) * | 2017-07-03 | 2017-11-10 | 北京邮电大学 | 基于卷积神经网络的深度学习智能星座图分析方法 |
US9853734B1 (en) * | 2015-04-16 | 2017-12-26 | Inphi Corporation | Apparatus and methods for digital signal constellation transformation |
US20180205454A1 (en) * | 2017-01-18 | 2018-07-19 | Ciena Corporation | User defined applications executed on optical modules for performance monitoring in optical networks |
CN108427987A (zh) * | 2018-03-08 | 2018-08-21 | 四川大学 | 一种基于卷积神经网络的调制方式识别方法 |
CN108957125A (zh) * | 2018-03-20 | 2018-12-07 | 北京邮电大学 | 基于机器学习的智能频谱图分析方法 |
CN109217923A (zh) * | 2018-09-28 | 2019-01-15 | 北京科技大学 | 一种联合光性能监测和速率、调制格式识别方法及系统 |
WO2019062950A1 (zh) * | 2017-09-30 | 2019-04-04 | 中兴通讯股份有限公司 | 光模块及信号处理方法 |
CN109743276A (zh) * | 2018-12-11 | 2019-05-10 | 中国联合网络通信集团有限公司 | 一种光信号调制格式的识别方法及装置 |
CN109886075A (zh) * | 2018-12-27 | 2019-06-14 | 成都数之联科技有限公司 | 一种基于星座图的信号调制样式识别方法 |
CN111614398A (zh) * | 2020-05-12 | 2020-09-01 | 北京邮电大学 | 基于异或神经网络的调制格式及信噪比识别方法及装置 |
CN113361433A (zh) * | 2021-06-16 | 2021-09-07 | 中国人民解放军国防科技大学 | 一种基于神经网络的调制信号识别方法及其应用 |
CN113869227A (zh) * | 2021-09-29 | 2021-12-31 | 西南交通大学 | 一种信号调制方式识别方法、装置、设备及可读存储介质 |
US20220045699A1 (en) * | 2020-08-10 | 2022-02-10 | Rohde & Schwarz Gmbh & Co. Kg | Signal analysis method and signal analysis module |
-
2022
- 2022-06-30 CN CN202210778625.5A patent/CN115173936B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102340348A (zh) * | 2010-07-15 | 2012-02-01 | 中兴通讯股份有限公司 | 一种光发射信号质量测试方法和系统 |
US20160112778A1 (en) * | 2013-06-27 | 2016-04-21 | Zte Corporation | Optical Network Unit, and Communications System and Method |
WO2016061975A1 (zh) * | 2014-10-21 | 2016-04-28 | 中兴通讯股份有限公司 | 一种误差矢量幅度系列参数确定方法和装置 |
US9853734B1 (en) * | 2015-04-16 | 2017-12-26 | Inphi Corporation | Apparatus and methods for digital signal constellation transformation |
CN106936653A (zh) * | 2015-12-30 | 2017-07-07 | 华为数字技术(苏州)有限公司 | 一种光模块类型的识别方法及装置 |
US20180205454A1 (en) * | 2017-01-18 | 2018-07-19 | Ciena Corporation | User defined applications executed on optical modules for performance monitoring in optical networks |
CN107342962A (zh) * | 2017-07-03 | 2017-11-10 | 北京邮电大学 | 基于卷积神经网络的深度学习智能星座图分析方法 |
WO2019062950A1 (zh) * | 2017-09-30 | 2019-04-04 | 中兴通讯股份有限公司 | 光模块及信号处理方法 |
CN108427987A (zh) * | 2018-03-08 | 2018-08-21 | 四川大学 | 一种基于卷积神经网络的调制方式识别方法 |
CN108957125A (zh) * | 2018-03-20 | 2018-12-07 | 北京邮电大学 | 基于机器学习的智能频谱图分析方法 |
CN109217923A (zh) * | 2018-09-28 | 2019-01-15 | 北京科技大学 | 一种联合光性能监测和速率、调制格式识别方法及系统 |
CN109743276A (zh) * | 2018-12-11 | 2019-05-10 | 中国联合网络通信集团有限公司 | 一种光信号调制格式的识别方法及装置 |
CN109886075A (zh) * | 2018-12-27 | 2019-06-14 | 成都数之联科技有限公司 | 一种基于星座图的信号调制样式识别方法 |
CN111614398A (zh) * | 2020-05-12 | 2020-09-01 | 北京邮电大学 | 基于异或神经网络的调制格式及信噪比识别方法及装置 |
US20220045699A1 (en) * | 2020-08-10 | 2022-02-10 | Rohde & Schwarz Gmbh & Co. Kg | Signal analysis method and signal analysis module |
CN113361433A (zh) * | 2021-06-16 | 2021-09-07 | 中国人民解放军国防科技大学 | 一种基于神经网络的调制信号识别方法及其应用 |
CN113869227A (zh) * | 2021-09-29 | 2021-12-31 | 西南交通大学 | 一种信号调制方式识别方法、装置、设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115173936B (zh) | 2023-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Saif et al. | Machine learning techniques for optical performance monitoring and modulation format identification: A survey | |
US10454575B2 (en) | Fiber recognition method, optical line terminal, and recognition system | |
US8364443B2 (en) | Fault analysis and monitoring applications using out-of-band based modules | |
CN104104431A (zh) | 对roadm光网络进行监测的方法、装置以及系统 | |
Cho et al. | Optical performance monitoring using digital coherent receivers and convolutional neural networks | |
CN101741745A (zh) | 识别对等网络应用流量的方法及其系统 | |
CN115173936B (zh) | 一种光模块识别标记方法及装置 | |
CN113542172A (zh) | 基于改进pso聚类的弹性光网络调制格式识别方法及系统 | |
CN105591887B (zh) | 一种生成光传送网路径分段的方法和装置 | |
CN112003816A (zh) | 数据传输方法、装置、设备及存储介质 | |
WO2023071326A1 (zh) | 故障定位方法、设备及光网络系统 | |
WO2021213360A1 (zh) | 光模块及其参数传输、检测方法、控制方法、前传系统 | |
EP4214861A1 (en) | Messaging channel in a coherent optical dsp frame | |
CN105306135B (zh) | 链路轮询检测方法及装置 | |
CN110048983B (zh) | 一种im/dd-ofdm无源光网络接收机的同步方法 | |
CN114598581A (zh) | 概率整形信号的双阶段检测模型训练方法、识别方法及装置 | |
Sun et al. | Autonomous and generalized soft failure detection based on digital residual spectrum in optical networks | |
CN109495178B (zh) | 一种FTTx网络拓扑链路的构建方法及装置 | |
CA2433766A1 (en) | A method for describing problems in a telecommunications network | |
Jha et al. | Efficient Modulation Format Identification Using Transfer Learning | |
CN108881087A (zh) | 一种用于k–k接收的频偏估计方法 | |
Guo et al. | Optical Signal-to-Noise Ratio Monitoring Based On Back-Propagation Network With an Autoencoder | |
US11658737B2 (en) | Messaging channel in a coherent optical DSP frame | |
CN114726436B (zh) | 一种波分复用系统波长通道监测方法及装置 | |
Zhang et al. | Constellation Diagram Analyzer Based on Few Shot Learning |
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 |