CN116032362A - 光网络部件的健康预测方法、设备及光网络系统 - Google Patents

Abstract

本申请公开了一种光网络部件的健康预测方法、设备及光网络系统，属于光网络技术领域。根据光网络部件的特征参数在N个采样时刻的N个采样值确定该特征参数的参数值变化趋势。进一步根据特征参数的参数值变化趋势，对光网络部件进行健康预测。通过对光网络部件进行健康预测，可以实现对光网络部件的缓变故障进行有效预警。另外，由于光网络部件的特征参数的采样值能够反映光网络部件在对应采样时刻的工作状态，因此本申请还能够及时发现突发故障并进行告警。通过对光网络部件的突发故障的及时告警以及缓变故障的有效预警的结合，保障了光网络系统的业务运行可靠性。

Description

光网络部件的健康预测方法、设备及光网络系统

本申请要求于2021年10月26日提交的申请号为202111248581.7，发明名称为“一种光模块、光网络管理方法以及系统”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。

技术领域

本申请涉及光网络技术领域，特别涉及一种光网络部件的健康预测方法、设备及光网络系统。

背景技术

光网络系统中的两个通信设备之间通过光纤链路连接。每个通信设备都包括光模块。一个通信设备的光模块用于将该通信设备上的待传输数据转换为光信号后通过光纤链路传输至另一个通信设备的光模块，从而实现光网络系统中的数据传输。

目前通信设备中的光模块能够监测自身是否发生故障，并在发生故障后发出告警。但是，由于光模块是在自身发生故障之后才发出告警的，而光模块发生故障可能会造成业务中断，因此目前光网络系统的业务运行可靠性较低。

发明内容

本申请提供了一种光网络部件的健康预测方法、设备及光网络系统，可以解决目前光网络系统的业务运行可靠性较低的问题。

第一方面，提供了一种光网络部件的健康预测方法。该方法可以应用于光传输装置、网络设备或管理设备。该方法包括：获取光网络部件的特征参数在N个采样时刻的N个采样值，特征参数的值用于反映光网络部件的工作状态，N大于或等于2。根据N个采样值确定特征参数的参数值变化趋势。根据特征参数的参数值变化趋势，对光网络部件进行健康预测。

本申请能够提供对光网络部件的工作状态的未来走势预测，从而实现对光网络部件的缓变故障进行有效预警，以便运维人员尽早进行相应处理，例如运维人员可以根据预警信息提前进行光网络部件的更换或采取其它故障规避手段，避免潜在故障进一步劣化造成业务中断。另外，由于本申请中对光网络部件的特征参数进行参数值采样得到的采样值能够反映光网络部件在采样时刻的工作状态，因此本申请除了能够对缓变故障进行预警以外，还能够及时发现突发故障并进行告警，从而提高了光网络系统的业务运行可靠性。

可选地，根据N个采样值确定特征参数的参数值变化趋势的一种实现方式，包括：基于N个采样时刻对N个采样值进行多项式拟合，以得到特征参数对应的预测模型，该预测模型用于确定特征参数的参数值变化趋势。相应地，可以基于光网络部件的特征参数对应的预测模型对光网络部件进行健康预测。

本申请中的预测模型是多项式拟合模型，多项式拟合模型具有普适性。一方面，对光网络部件的特征参数进行参数值采样得到的采样值无论是处于正常工作值范围，还是超出了正常工作值范围，基于多项式拟合模型最终确定的预测模型都能够用于确定该特征参数的参数值变化趋势，进而实现对光网络部件的健康预测。也即是，本申请提供的多项式拟合模型适用于光网络部件的各个运行阶段，可以实现对光网络部件的全生命周期的健康预测，而无需等待光网络部件进入快速劣化趋势之后才能触发预警机制，能够根据实际需求灵活设置提前预警的时间，从而提高了对光网络部件进行故障预警的灵活性。另一方面，多项式拟合模型适用于确定多种光网络部件的特征参数的参数值变化趋势，适用范围广，可实现对光网络系统中各种光网络部件的健康预测。

可选地，当光网络部件具有能够反映该光网络部件的工作状态的多种特征参数，可以获取光网络部件的多种特征参数分别在多个采样时刻的多个采样值，多种特征参数中的每种特征参数的值均用于反映光网络部件的工作状态。相应地，当该多种特征参数中存在任一种特征参数的参数值变化趋势为劣化趋势，预测光网络部件存在故障风险。

本申请中，当光网络部件具有能够反映该光网络部件的工作状态的多种特征参数时，可以分别确定多种特征参数中每种特征参数的参数值变化趋势，并采用多种特征参数的参数值变化趋势对同一光网络部件进行健康预测，相较于依赖单一特征参数的参数值变化趋势，可以提高对光网络部件的健康预测的准确性和可靠性。

可选地，对于多种特征参数中的每种特征参数，确定特征参数的参数值变化趋势的实现方式，包括：基于特征参数对应的预测模型获取特征参数在预测时间点的预测值，预测时间点是根据当前时刻、预测模型对应的预测时间窗以及特征参数的采样频率确定的。当预测值与特征参数的参考值之间的误差值超出误差阈值，确定特征参数的参数值变化趋势为劣化趋势。其中，劣化趋势包括光网络部件在预测时长内存在故障风险，预测时长的起始时刻为当前时刻，预测时长的结束时刻为预测时间点。

本申请中，同一光网络部件的每种特征参数都可以有各自对应的预测模型。

可选地，在确定光网络部件在预测时长内存在故障风险之后，还可以输出故障预警，该故障预警指示光网络部件在预测时长内存在故障风险。以提醒运维人员尽早进行相应处理，例如运维人员可以根据预警信息提前进行光网络部件的更换或采取其它故障规避手段，避免潜在故障进一步劣化造成业务中断。

可选地，光网络部件为激光器，光网络部件的特征参数包括激光器的工作电流。或者，光网络部件为光纤链路，光网络部件的特征参数包括光纤链路对应的光时域反射曲线和/或多径干扰参数。或者，光网络部件为数字信号处理器，光网络部件的特征参数包括数字信号处理器的频域响应参数和/或数字信号处理器的信噪比。或者，光网络部件为驱动器，光网络部件的特征参数包括驱动器的输出电压摆动幅度。或者，光网络部件为光探测器，光网络部件的特征参数包括光探测器的工作电流。或者，光网络部件为控温模块，光网络部件的特征参数包括控温模块的控制温度。或者，光网络部件为跨阻放大器，光网络部件的特征参数包括跨阻放大器的增益输出电压摆动幅度。或者，光网络部件为光接口，光网络部件的特征参数包括光接口的光回损指标。或者，光网络部件为电接口，光网络部件的特征参数包括电接口的输出电压幅度和/或输出电流强度。或者，光网络部件为光纤放大器，光网络部件的特征参数包括光纤放大器的工作电流。

可选地，光网络部件为激光器，光网络部件的特征参数还包括激光器的发射光功率和/或光探测器对激光器的发射光的接收光功率。

本申请中，激光器的发射光功率和/或接收侧通信设备中的光探测器对该激光器的发射光的接收光功率可以作为激光器的辅助特征参数。由于当自动功率控制电路发生故障时，无法保障激光器的发射光功率恒定，这种情况下即使激光器发生了劣化，激光器的工作电流可能也不会增大，如果仅依赖于激光器的工作电流来预测激光器的工作状态，会出现误报或漏报的可能性。而当自动功率控制电路正常工作时，激光器的发射光功率应该是恒定的，相应地，接收侧通信设备中的光探测器对该激光器的发射光的接收光功率也应该是恒定的。因此通过监测激光器的发射光功率和/或接收侧通信设备中的光探测器对该激光器的发射光的接收光功率，可以确定自动功率控制电路是否发生故障，避免自动功率控制电路发生故障而导致的对激光器的故障预警的误报或漏报，从而提高了针对激光器的故障预警的准确性和可靠性。

可选地，根据N个采样值确定特征参数的参数值变化趋势的实现过程，包括：对于N个采样值中的每个采样值，获取采样值对应的采样时刻的环境参数。分别采用对应的采样时刻的环境参数对N个采样值进行环境效应归一化处理，得到N个归一化的采样值。根据N个归一化的采样值确定特征参数的参数值变化趋势。

由于光网络部件的特征参数的值可能会受环境的影响，分别采用对应的采样时刻的环境参数对N个采样值进行环境效应归一化处理，是指将N个采样值归一化到相同环境下，归一化的采样值对应的环境参数相同，这样可以避免因环境差异造成采样值的差异而影响对确定的特征参数的参数值变化趋势的准确性。

第二方面，提供了一种通信设备。该通信设备包括处理单元，该处理单元用于：获取光网络部件的特征参数在N个采样时刻的N个采样值，特征参数的值用于反映光网络部件的工作状态，N大于或等于2。根据N个采样值确定特征参数的参数值变化趋势。根据特征参数的参数值变化趋势，对光网络部件进行健康预测。

可选地，处理单元，用于：基于N个采样时刻对N个采样值进行多项式拟合，以得到特征参数对应的预测模型，预测模型用于确定特征参数的参数值变化趋势。基于预测模型对光网络部件进行健康预测。

可选地，处理单元，用于：获取光网络部件的多种特征参数分别在多个采样时刻的多个采样值，多种特征参数中的每种特征参数的值均用于反映光网络部件的工作状态。确定多种特征参数中每种特征参数的参数值变化趋势，当多种特征参数中存在任一种特征参数的参数值变化趋势为劣化趋势，预测光网络部件存在故障风险。

可选地，处理单元，用于：基于特征参数对应的预测模型获取特征参数在预测时间点的预测值，预测时间点是根据当前时刻、预测模型对应的预测时间窗以及特征参数的采样频率确定的。当预测值与特征参数的参考值之间的误差值超出误差阈值，确定特征参数的参数值变化趋势为劣化趋势。劣化趋势包括光网络部件在预测时长内存在故障风险，预测时长的起始时刻为当前时刻，预测时长的结束时刻为预测时间点。

可选地，通信设备还包括：发送单元，用于向管理设备发送故障预警，故障预警指示光网络部件在预测时长内存在故障风险。

可选地，处理单元，用于：对于N个采样值中的每个采样值，获取采样值对应的采样时刻的环境参数。分别采用对应的采样时刻的环境参数对N个采样值进行环境效应归一化处理，得到N个归一化的采样值。根据N个归一化的采样值确定特征参数的参数值变化趋势。

第三方面，提供了一种管理设备，包括：接收单元，用于接收通信设备发送的光网络部件的特征参数在N个采样时刻的N个采样值，特征参数的值用于反映光网络部件的工作状态，N大于或等于2。处理单元，用于根据N个采样值确定特征参数的参数值变化趋势，并根据特征参数的参数值变化趋势，对光网络部件进行健康预测。

可选地，处理单元，用于：基于N个采样时刻对N个采样值进行多项式拟合，以得到特征参数对应的预测模型，预测模型用于确定特征参数的参数值变化趋势。基于预测模型对光网络部件进行健康预测。

可选地，接收单元，用于接收通信设备发送的光网络部件的多种特征参数分别在多个采样时刻的多个采样值，多种特征参数中的每种特征参数的值均用于反映光网络部件的工作状态。处理单元，用于确定多种特征参数中每种特征参数的参数值变化趋势，当多种特征参数中存在任一种特征参数的参数值变化趋势为劣化趋势，预测光网络部件存在故障风险。

可选地，处理单元，用于：基于特征参数对应的预测模型获取特征参数在预测时间点的预测值，预测时间点是根据当前时刻、预测模型对应的预测时间窗以及特征参数的采样频率确定的。当预测值与特征参数的参考值之间的误差值超出误差阈值，确定特征参数的参数值变化趋势为劣化趋势。劣化趋势包括光网络部件在预测时长内存在故障风险，预测时长的起始时刻为当前时刻，预测时长的结束时刻为预测时间点。

可选地，管理设备还包括；显示单元，用于显示故障预警，故障预警指示光网络部件在预测时长内存在故障风险。

可选地，处理单元，用于：对于N个采样值中的每个采样值，获取采样值对应的采样时刻的环境参数。分别采用对应的采样时刻的环境参数对N个采样值进行环境效应归一化处理，得到N个归一化的采样值。根据N个归一化的采样值确定特征参数的参数值变化趋势。

第四方面，提供了一种光网络系统，光网络系统包括管理设备和通信设备。通信设备用于向管理设备发送光网络部件的特征参数在N个采样时刻的N个采样值，特征参数的值用于反映光网络部件的工作状态，N大于或等于2。管理设备包括如第三方面任一所述的管理设备。

第五方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令被处理器执行时，实现上述第一方面及其任意实现方式所述的方法。

第六方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时，实现上述第一方面及其任意实现方式所述的方法。

第七方面，提供了一种芯片，芯片包括可编程逻辑电路和/或程序指令，当芯片运行时，实现上述第一方面及其任意实现方式所述的方法。

附图说明

图1是本申请实施例提供的一种光网络系统的结构示意图；

图2是本申请实施例提供的一种光网络部件的健康预测方法的流程示意图；

图3是本申请实施例提供的一种特征参数的参数值变化趋势示意图；

图4是本申请实施例提供的另一种特征参数的参数值变化趋势示意图；

图5是本申请实施例提供的又一种特征参数的参数值变化趋势示意图；

图6是本申请实施例提供的一种通信设备的结构示意图；

图7是本申请实施例提供的一种管理设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。

随着5G时代的到来以及视频、游戏、智能终端等各种业务的快速增长，光网络系统的规模不断扩大。为了保障光网络系统的业务运行可靠性和稳定性，需要进行日常的运维管理工作。目前对光网络系统的运维管理主要围绕系统资源监测和故障定位展开。这种运维管理的实现方式是当光网络系统中的光纤链路或者光模块故障发生后，通过光网络系统集成的光纤监测装置或者光模块监测装置反馈的特征参数进行故障定位，继而实现故障排除。

光网络系统包括多个通信设备。每个通信设备都包括光模块。两个通信设备中的光模块之间通过光纤链路连接，以实现两个通信设备之间的通信。目前通信设备中的光模块能够监测自身是否故障，并在自身发生故障后发出告警。例如光模块中可以集成有光模块监测装置。光模块监测装置主要包括数据采集模块和数据处理模块。数据采集模块用于通过数字诊断监控(digital diagnostic monitoring，DDM)接口读取光模块的特征参数，包括光模块实时的工作温度、工作电压、工作电流、发送光功率和接收光功率等。数据采集模块将读取到的光模块的特征参数传输至数据处理模块。数据处理模块用于对光模块的特征参数进行处理分析和比较，并在特征参数的值超出告警阈值时，向该光模块所在通信设备中的网络设备进行告警，以指示该光模块发生故障。这种故障告警方式虽然对光网络系统的运维管理起到了一定作用，但是对光网络系统中潜在的故障难以给出预警信息，无法把光网络系统的运维管理从事后抢修模式变成事先预防模式。此外，由于光模块是在自身发生故障之后才发出告警的，而光模块发生故障可能会造成业务中断，因此目前光网络系统的业务运行可靠性较低。

为了增加应对故障的时间裕量，以尽量减少业务中断时间以及减小故障定位的难度，本申请实施例提出了一种针对光网络系统中的光网络部件的健康预测方案。通过对光网络部件进行健康预测，能够实现对光网络部件存在的潜在故障进行预警。对光网络部件进行健康预测的实现方式包括，通过对光网络部件的特征参数进行采样，并根据同一特征参数在多个采样时刻的多个采样值确定该特征参数的参数值变化趋势，进一步根据光网络部件的特征参数的参数值变化趋势对光网络部件进行健康预测。其中，光网络部件的特征参数的值用于反映光网络部件的工作状态。特征参数的参数值变化趋势指该特征参数的值随时间变化的趋势。根据光网络部件的特征参数的参数值变化趋势能够预测光网络部件在未来一段时间内是否维持正常工作。可选地，当光网络部件的特征参数的参数值变化趋势为劣化趋势时，可以预测光网络部件在未来一段时间之后可能无法正常工作，即光网络部件存在故障风险。本申请技术方案能够提供对光网络部件的工作状态的未来走势预测，从而实现对光网络部件的缓变故障进行有效预警，以便运维人员尽早进行相应处理，例如运维人员可以根据预警信息提前进行光网络部件的更换或采取其它故障规避手段，避免潜在故障进一步劣化造成业务中断。另外，由于本申请实施例中对光网络部件的特征参数进行参数值采样得到的采样值能够反映光网络部件在采样时刻的工作状态，因此本申请技术方案除了能够对缓变故障进行预警以外，还能够及时发现突发故障并进行告警，从而提高了光网络系统的业务运行可靠性。

这里，突发故障指的是因外界瞬时的人为或自然因素导致的系统突然工作异常。比如人为对光模块的突然下电或者突然的雷击导致的系统失灵等各种因素导致系统突然无法工作的情况。缓变故障指的是因时间积累性的破坏导致虽然系统暂时性还是正常工作，但是当缓变故障累积到一段时间后，系统将无法正常工作。比如光器件随时间的衰老或者外界随时间对光纤逐渐增加的应力导致系统在未来某个时间将无法正常工作的情况。

可选地，光网络部件包括但不限于激光器、光纤链路、数字信号处理器、驱动器、光探测器、控温模块、跨阻放大器、光接口、电接口或光纤放大器。可选地，光网络部件具有一种或多种特征参数，每种特征参数的值均用于反映光网络部件的工作状态。

可选地，光网络部件为激光器，光网络部件的特征参数包括激光器的工作电流。或者，光网络部件为光纤链路，光网络部件的特征参数包括光纤链路对应的光时域反射(optical time domain reflectometer，OTDR)曲线和/或多径干扰(multi-pathinterference，MPI)参数。或者，光网络部件为数字信号处理器(digital signalprocessor，DSP)，光网络部件的特征参数包括数字信号处理器的频域响应参数和/或数字信号处理器的信噪比(signal to noise ratio，SNR)。其中，数字信号处理器的频域响应参数也称为端到端S21，用于反映频域响应的平坦度和带宽等参数信息。或者，光网络部件为驱动器(driver，DRV)，光网络部件的特征参数包括驱动器的输出电压摆动幅度。或者，光网络部件为光探测器，光网络部件的特征参数包括光探测器的工作电流。或者，光网络部件为控温模块，光网络部件的特征参数包括控温模块的控制温度，该控制温度也称为半导体制冷器(thermo electric cooler，TEC)温度。或者，光网络部件为跨阻放大器(trans-impedance amplifier，TIA)，光网络部件的特征参数包括跨阻放大器的增益输出电压摆动幅度。或者，光网络部件为光接口，光网络部件的特征参数包括光接口的光回损指标。或者，光网络部件为电接口，光网络部件的特征参数包括电接口的输出电压幅度和/或输出电流强度。或者，光网络部件为光纤放大器，光网络部件的特征参数包括光纤放大器的工作电流。

可选地，光网络部件为激光器，光网络部件的特征参数还包括激光器的发射光功率和/或光探测器对激光器的发射光的接收光功率。其中，光探测器为接收侧通信设备中的光探测器。

下面对本申请实施例涉及的光网络系统进行介绍。

图1是本申请实施例提供的一种光网络系统的结构示意图。如图1所示，该光网络系统包括第一通信设备01、第二通信设备02和光纤链路03。每个通信设备都包括光传输装置和网络设备。例如，第一通信设备01包括第一光传输装置011和第一网络设备012。第二通信设备02包括第二光传输装置021和第二网络设备022。第一光传输装置011与第二光传输装置021之间通过光纤链路03连接。

可选地，网络设备可以是路由器、交换机或网关等转发设备。可选地，光传输装置为独立的光模块。这种实现方式下，通信设备包括网络设备和光模块。网络设备中设置有一个或多个单板。每个单板包括处理器和多个端口。一个光模块的一端通过电接口插在单板上的一个端口中，另一端通过光接口连接光纤。或者，光传输装置集成在网络设备中。这种实现方式下，通信设备指集成有光传输装置的网络设备。光传输装置具体可以集成在网络设备的单板上。光传输装置的功能可参考光模块的功能，本申请实施例在此不再赘述。可选地，单板包括但不限于业务板、线卡、线路处理单元。图1中以光传输装置为独立的光模块为例进行示意性说明。

光传输装置包括发射器和接收器。一个光传输装置中可以有一个或多个发射器。一个光传输装置中可以有一个或多个接收器。其中，发射器用于发射光信号，接收器用于接收光信号。参见图1，发射器(图1中未直接示出)可以包括驱动器和激光器。接收器(图1中未直接示出)可以包括光探测器和跨阻放大器。

可选地，光纤链路03包括一条或多条光纤，也即是，第一光传输装置011与第二光传输装置021之间可以通过一条或多条光纤连接。例如参见图1，光纤链路03包括光纤031和光纤032。第一光传输装置011的发射器与第二光传输装置021的接收器之间通过光纤031连接，第一光传输装置011的接收器与第二光传输装置021的发射器之间通过光纤032连接。相应地，第一光传输装置011的发射器用于通过光纤031向第二光传输装置021的接收器发射光信号，第一光传输装置011的接收器用于通过光纤032接收来自第二光传输装置021的发射器发射的光信号。第二光传输装置021的发射器用于通过光纤032向第一光传输装置011的接收器发射光信号，第二光传输装置021的接收器用于通过光纤031接收来自第一光传输装置011的发射器发射的光信号。或者，第一光传输装置011的发射器与第二光传输装置021的接收器之间以及第一光传输装置011的接收器与第二光传输装置021的发射器之间通过同一条光纤连接。本申请实施例对此不做限定。可选地，光纤031上设置有光纤放大器A，光纤032上设置有光纤放大器B。

请继续参见图1，光传输装置还包括电接口、光接口、数字信号处理器、特征感知单元和特征提取单元。其中，电接口用于连接网络设备。光接口用于连接光纤。数字信号处理器用于对信号进行分析处理。特征感知单元用于实时监测并感知光传输装置中多个光器件的工作状态，并获取反映相应光器件的工作状态的特征参数的值。其中，光传输装置中的光器件包括但不限于激光器、数字信号处理器、驱动器、光探测器、控温模块、跨阻放大器、光接口和电接口。特征感知单元还可以用于实时监测并感知光纤链路和光纤放大器的工作状态，并获取分别反映光纤链路和光纤放大器的工作状态的特征参数的值。其中，光纤链路的特征参数包括但不限于光纤链路对应的OTDR曲线和/或MPI参数。特征提取单元用于提取特征感知单元获取的各个光网络部件的特征参数的值，例如按照预设的采样频率对特征感知单元获取的光网络部件的特征参数的值进行采样。

除了可以通过光传输装置中的特征感知单元获取光纤链路的特征参数的值以外，还可以在通信设备中新增独立于光传输装置的传感器来实时监测并感知光纤链路的工作状态，以获取光纤链路的特征参数的值，例如可以在通信设备中集成光时域反射仪。光时域反射仪的工作原理是，利用光纤链路作为传感器，基于光纤链路中光的干涉、瑞利散射、拉曼散射或布里渊散射等光学效应，利用光时域反射技术实现对光纤链路周边物理量(例如振动、应力、温度、结构损伤等)的测量、分析、监控和定位。

可选地，光传输装置还包括处理单元、微控制单元(microcontroller unit，MCU)或控温模块中的一个或多个。处理单元用于对特征提取单元提取到的光网络部件的特征参数进行处理分析，具体可以根据特征提取单元提取到的光网络部件的特征参数在多个采样时刻的多个采样值确定该特征参数的参数值变化趋势，并根据特征参数的参数值变化趋势对光网络部件进行健康预测。控温模块用于控制和调节光传输装置的工作温度。

可选地，光传输装置中的处理单元可以与数字信号处理器或微控制单元集成，或者也可以是一个独立单元。通信设备中的处理单元除了可以部署在光传输装置中以外，还可以部署在网络设备中。值得说明的是，通信设备中的处理单元不是必需的。例如在一些应用场景下，通信设备无需采用处理单元对获取的光网络部件的特征参数的值进行处理分析，而是直接将获取的光网络部件的特征参数的值上报给管理设备即可，此种应用场景下就无需在通信设备中部署处理单元。

可选地，光传输装置中的特征提取单元可以与数字信号处理器或微控制单元集成，或者也可以是一个独立单元。此外，特征提取单元和处理单元可以是两个独立的单元，或者也可以集成在一起。

可选地，光传输装置还包括辅助信道调制单元(图1中未示出)和辅助信道解调单元(图1中未示出)。辅助信道调制单元用于对除业务信号以外的例如管理信息、控制信息、特征参数等非业务信号进行调制，相应地，辅助信道解调单元用于对非业务信号进行解调。基于第一光传输装置011中的辅助信道调制单元和第二光传输装置021中的辅助信道解调单元可以实现一条辅助信道，用于第一光传输装置011向第二光传输装置021传输非业务信号。同理，基于第二光传输装置021中的辅助信道调制单元和第一光传输装置011中的辅助信道解调单元可以实现另一条辅助信道，用于第二光传输装置021向第一光传输装置011传输非业务信号。一个光传输装置内的辅助信道调制单元和辅助信道解调单元可以是同一个单元(称为辅助信道调制/解调单元)，也可以是不同的单元。

可选地，两个光传输装置之间的辅助信道基于连接这两个光传输装置的光纤链路实现。例如在如图1所示的光网络系统中，第一光传输装置011与第二光传输装置012之间的辅助信道基于光纤链路03实现。也即是，辅助信道与业务信道可以共用同一物理链路。本申请实施例中，两个光传输装置之间的辅助信道可以是能够传输两个通信设备之间的非业务信号的任一通信信道。

可选地，辅助信道调制/解调单元可以采用调顶技术实现辅助信道，例如可以采用光传感(light sensor，LS)调顶技术实现辅助信道，具体调制方式包括幅度调制/幅度解调、相位调制/相位解调等。例如，辅助信道调制单元可以采用调顶技术将非业务信号调制在业务信号上进行传输，也即是将非业务信号调制成调顶信号。相应地，辅助信道解调单元对接收到的调顶信号进行解调能够得到非业务信号。这种实现方式下，非业务信号与业务信号在传输过程中共存。

或者，辅助信道调制/解调单元也可以采用插帧技术实现辅助信道，例如可以采用前向纠错(forward error correction，FEC)插帧方式实现辅助信道。例如，辅助信道调制单元可以采用插帧技术将非业务信号插入业务信号的空闲帧字节中进行传输。相应地，辅助信道解调单元提取接收到的信号中的对应字节并进行解调能够得到非业务信号。这种实现方式下，非业务信号与业务信号在传输过程中互不干扰。或者，辅助信道调制单元可以采用插帧技术将非业务信号插入训练序列帧的保留字段中进行传输。相应地，辅助信道解调单元对接收到的训练序列帧的保留字段进行解调能够得到非业务信号。其中，训练序列帧通常在业务信号传输之前传输。

或者，辅助信道调制/解调单元也可以采用链路层发现协议(Link LayerDiscovery Protocol，LLDP)通道实现辅助信道。例如，辅助信道调制单元可以将非业务信号承载在LLDP帧的保留字段中进行传输。相应地，辅助信道解调单元对接收到的LLDP帧的保留字段进行解调能够得到非业务信号。

可选地，辅助信道调制/解调单元可以是独立的调制/解调单元，或者也可以与业务信号对应的调制/解调单元集成在一起，本申请实施例对此不做限定。

本申请实施例中，除了在光传输装置之间实现了辅助信道以外，在光传输装置内部单元之间、光传输装置与网络设备之间、网络设备与管理设备之间均实现了辅助信道，通过这些辅助信道可以传递除业务数据之外的其它数据。其中，光传输装置内部单元之间、光传输装置与网络设备之间的辅助通道可以通过总线实现，包括但不限于RS232串行总线或者内集成电路(inter-integrated circuit，I2C)总线。网络设备与管理设备之间的辅助信道通过有线链路或无线链路实现。

可选地，请继续参见图1，光网络系统还包括管理设备04。管理设备04用于管理和控制网络设备。例如参见图1，第一网络设备012和第二网络设备022分别连接管理设备04。可选地，管理设备04为一台服务器，或者多台服务器组成的服务器集群，或者云平台。

图2是本申请实施例提供的一种光网络部件的健康预测方法的流程示意图。该方法可以应用于如图1所示的光网络系统中的光传输装置、网络设备或管理设备中的处理单元。如图2所示，该方法包括：

步骤201、获取光网络部件的特征参数在N个采样时刻的N个采样值。

其中，N大于或等于2。光网络部件的特征参数的值用于反映该光网络部件的工作状态。

可选地，当光网络部件具有多种特征参数时，处理单元可以获取光网络部件的多种特征参数分别在多个采样时刻的多个采样值。该多种特征参数中每种特征参数的值均用于反映光网络部件的工作状态。光传输装置中的特征感知单元可以实时获取光网络部件的特征参数的值，光传输装置中的特征提取单元可以对特征感知单元获取的光网络部件的特征参数的值进行采样以得到多个采样值，并将该多个采样值传输给处理单元。同一光网络部件的多种特征参数对应的采样时刻和采样频率可以相同，或者，同一光网络部件的多种特征参数对应的采样时刻和采样频率也可以不同。例如，激光器的特征参数包括激光器的工作电流和激光器的发射光功率，特征提取单元可以每隔8小时分别对激光器的工作电流和激光器的发射光功率进行采样，或者，特征提取单元可以每隔8小时对激光器的工作电流进行采样，每隔6小时对激光器的发射光功率进行采样。

可选地，可以在光传输装置中预先设置各个光网络部件的各种特征参数分别对应的拟合时间窗和采样频率。其中，拟合时间窗是预先设置的拟合时长，特征参数对应的拟合时间窗由采样频率以及确定该特征参数的参数值变化趋势所需的采样值数量(即上述步骤201中N的取值)共同决定。比如拟合时间窗的大小可以是数个小时，数天或者数个月，甚至数年。不同光网络部件的特征参数或同一光网络部件的不同特征参数对应的拟合时间窗和采样频率可以相同，或者也可以不同，确定不同特征参数的参数值变化趋势所需的采样值数量可能相同，也可能不同。每个光网络部件的每种特征参数对应的时间戳和采样频率的具体取值可根据实际需求设置，本申请实施例对此不做限定。

可选地，在步骤201中，处理单元每获取光网络部件的特征参数的一个采样值，可以基于该采样值判断光网络部件在对应的采样时刻的工作状态。例如，处理单元可以判断获取的特征参数的采样值是否处于该特征参数的正常工作值范围之内。若该特征参数的采样值超出该特征参数的正常工作值范围，则处理单元可以确定该光网络部件发生故障，此时可以结束对该光网络部件的健康预测流程，并输出故障告警。

本申请实施例中，由于对光网络部件的特征参数进行参数值采样得到的采样值能够反映光网络部件在采样时刻的工作状态，因此在本申请技术方案的实施过程中，能够及时发现突发故障并进行告警，提高了光网络系统的业务运行可靠性。

当对特征参数进行参数值采样的时长达到拟合时间窗的时长后，可以执行以下步骤202。

步骤202、根据N个采样值确定该特征参数的参数值变化趋势。

参数值变化趋势指特征参数的值随时间变化的趋势。处理单元根据光网络部件的特征参数的参数值变化趋势能够预测该光网络部件在未来一段时间内是否维持正常工作。

可选地，处理单元中预先存储有多项式拟合模型，不同拟合对象可以采用同一多项式拟合模型，或者也可以采用不同的多项式拟合模型。本申请实施例中，拟合对象指的是光网络部件的特征参数的采样值。不同的多项式拟合模型通常采用不同的多项式阶数。步骤202的一种实现方式可以是，处理单元基于N个采样时刻对特征参数的N个采样值进行多项式拟合，以得到该特征参数对应的预测模型，该预测模型用于确定该特征参数的参数值变化趋势。特征参数对应的预测模型的自变量为时间，因变量为特征参数的值。本申请实施例中，特征参数对应的预测模型的输入可以是预测时间点，相应地，该预测模型的输出是该特征参数在该预测时间点的预测值。可选地，处理单元所采用的多项式拟合算法包括但不限于最小均方(least mean square，LMS)算法。

可选地，处理单元基于N个采样时刻对特征参数的N个采样值进行多项式拟合的实现过程可以包括：处理单元获取该特征参数对应的多项式拟合模型，并采用该特征参数在N个采样时刻的N个采样值确定多项式拟合模型的模型参数，以得到该特征参数对应的预测模型。

可选地，处理单元每获取到特征参数的新的采样值，处理单元都可以基于该特征参数最新的N个采样值更新该特征参数对应的预测模型。换句话来说，处理单元可以始终根据特征参数在最近N个采样时刻的N个采样值，确定该特征参数对应的最新的预测模型。也即是，特征参数对应的预测模型是随着对该特征参数的参数值实时采样而动态更新的，该预测模型始终能够用于确定特征参数的最新的参数值变化趋势。

本申请实施例提供的多项式拟合模型具有普适性。一方面，对光网络部件的特征参数进行参数值采样得到的采样值无论是处于正常工作值范围，还是超出了正常工作值范围，基于多项式拟合模型最终确定的预测模型都能够用于确定该特征参数的参数值变化趋势，进而实现对光网络部件的健康预测。也即是，本申请实施例提供的多项式拟合模型适用于光网络部件的各个运行阶段，可以实现对光网络部件的全生命周期的健康预测，而无需等待光网络部件进入快速劣化趋势之后才能触发预警机制，能够根据实际需求灵活设置提前预警的时间，从而提高了对光网络部件进行故障预警的灵活性。另一方面，多项式拟合模型适用于确定多种光网络部件的特征参数的参数值变化趋势，适用范围广，可实现对光网络系统中各种光网络部件的健康预测。

可选地，如果步骤201中，处理单元获取光网络部件的多种特征参数分别在多个采样时刻的多个采样值，则步骤202中，对于多种特征参数中的每种特征参数，处理单元根据该特征参数在多个采样时刻的多个采样值，确定该特征参数的参数值变化趋势。

可选地，对于多种特征参数中的每种特征参数，处理单元确定该特征参数的参数值变化趋势的实现方式，包括以下步骤S21至步骤S22。

在步骤S21中，处理单元基于该特征参数对应的预测模型获取该特征参数在预测时间点的预测值，该预测时间点是根据当前时刻、预测模型对应的预测时间窗以及该特征参数的采样频率确定的。

可选地，处理单元可以根据当前时刻、预测模型对应的预测时间窗以及特征参数的采样频率确定预测时间点，然后向该特征参数对应的预测模型输入该预测时间点，以得到该预测模型输出的该特征参数在该预测时间点的预测值。

可选地，预测模型对应的预测时间窗可以是人工设置的。例如预测时间窗的时长设置为24小时，则该预测模型用于预测特征参数在未来24小时以内的值。预测时间点可以是从当前时刻起预测时间窗内的最后一个采样时刻。例如，预测时间窗的时长设置为24小时，特征参数的采样频率为8小时/次，用于确定该预测模型的多个采样值对应的最近采样时刻为2021-12-28-10:00，假设当前时刻为2021-12-28-10:05，那么未来24小时以内的采样时刻包括2021-12-28-18:00、2021-12-29-02:00、2021-12-29-10:00，预测时间点可以是2021-12-29-10:00。

在步骤S22中，当该预测值与该特征参数的参考值之间的误差值超出误差阈值，处理单元确定该特征参数的参数值变化趋势为劣化趋势。

其中，劣化趋势包括光网络部件在预测时长内存在故障风险，该预测时长的起始时刻为当前时刻，该预测时长的结束时刻为该预测时间点。例如参考步骤S21中的例子，预测时长的起始时刻为2021-12-28-10:05，预测时长的结束时刻为2021-12-29-10:00。

可选地，特征参数的参考值可以是该特征参数的正常工作值范围的中值，相应地，误差阈值可以大于或等于该特征参数的正常工作最大值与正常工作最小值的差值的一半，此时预测值与该特征参数的参考值之间的误差值可以是预测值与该特征参数的参考值之间的绝对差值。或者，当光网络部件的特征参数的值过小时表示该光网络部件发生故障，该特征参数的参考值可以取该特征参数的正常工作最小值，相应地，误差阈值可以基于该特征参数的正常工作最小值确定，例如误差阈值取值为该特征参数的正常工作最小值的20％，此时预测值与该特征参数的参考值之间的误差值可以是该特征参数的参考值与预测值的差值。比如激光器的发射光功率下降可能是激光器衰老导致的，当激光器的发射光功率过小时表示激光器发生故障，则可以将激光器的发射光功率的参考值取值为正常工作最小值。又或者，当光网络部件的特征参数的值过大时表示该光网络部件发生故障，该特征参数的参考值可以取该特征参数的正常工作最大值，相应地，误差阈值可以基于该特征参数的正常工作最大值确定，例如误差阈值取值为该特征参数的正常工作最大值的20％，此时预测值与该特征参数的参考值之间的误差值可以是预测值与该特征参数的参考值的差值。比如激光器的工作电流增大可能是激光器衰老导致的，当激光器的工作电流过大时表示激光器发生故障，则可以将激光器的工作电流的参考值取值为正常工作最大值。

可选地，光网络部件为激光器，光网络部件的特征参数包括激光器的工作电流。当激光器的工作电流在预测时间点的预测值超出正常工作电流阈值时，处理单元确定该激光器在预测时长内存在故障风险。具体原理是，光传输装置中的自动功率控制(automaticpower control，APC)电路在正常工作时控制激光器的发射光功率恒定，在激光器发生劣化时，APC电路为保障激光器的发射光功率恒定，会增大激光器的工作电流，因此当激光器的工作电流不断增大以致激光器的工作电流超出正常工作电流阈值时，可以确定激光器无法再正常工作。

可选地，当光网络部件为激光器，光网络部件的特征参数还包括激光器的发射光功率和/或光探测器对该激光器的发射光的接收光功率。激光器的发射光功率和/或接收侧通信设备中的光探测器对该激光器的发射光的接收光功率可以作为激光器的辅助特征参数。由于当APC电路发生故障时，无法保障激光器的发射光功率恒定，这种情况下即使激光器发生了劣化，激光器的工作电流可能也不会增大，如果仅依赖于激光器的工作电流来预测激光器的工作状态，会出现误报或漏报的可能性。而当APC电路正常工作时，激光器的发射光功率应该是恒定的，相应地，接收侧通信设备中的光探测器对该激光器的发射光的接收光功率也应该是恒定的。因此通过监测激光器的发射光功率和/或接收侧通信设备中的光探测器对该激光器的发射光的接收光功率，可以确定APC电路是否发生故障，避免APC电路发生故障而导致的对激光器的故障预警的误报或漏报，从而提高了针对激光器的故障预警的准确性和可靠性。

可选地，接收侧通信设备中的光探测器接收到发送侧通信设备中的激光器的发射光之后，可以通过辅助信道向发送侧通信设备回传接收光功率，以供发送侧通信设备使用。值得说明的是，通过辅助信道回传的接收光功率除了受到发送侧通信设备的发射光功率的影响以外，还会受到光纤链路的影响。如果辅助信道回传的接收光功率并不是恒定功率，则可以结合光纤链路的链路信息分析接收光功率不恒定的根因，以实现故障定界。

可选地，光网络部件为光纤链路，光网络部件的特征参数包括光纤链路对应的OTDR曲线和/或MPI参数。当光纤链路对应的OTDR曲线和/或MPI参数在预测时间点的预测值反映光纤链路对应的损耗高于损耗阈值时，处理单元确定该光纤链路在预测时长内存在故障风险。

可选地，光网络部件为数字信号处理器，光网络部件的特征参数包括数字信号处理器的频域响应参数和/或数字信号处理器的信噪比。例如频域响应参数包括频域响应带宽。当数字信号处理器的频域响应带宽在预测时间点的预测值小于带宽阈值或数字信号处理器的信噪比在预测时间点的预测值小于信噪比阈值时，处理单元确定该数字信号处理器在预测时长内存在故障风险。

可选地，光网络部件为驱动器，光网络部件的特征参数包括驱动器的输出电压摆动幅度。当驱动器的输出电压摆动幅度在预测时间点的预测值大于正常工作时的输出电压摆幅阈值时，处理单元确定该驱动器在预测时长内存在故障风险。

可选地，光网络部件为光探测器，光网络部件的特征参数包括光探测器的工作电流。当光探测器的工作电流在预测时间点的预测值超出正常工作电流阈值时，处理单元确定该光探测器在预测时长内存在故障风险。

可选地，光网络部件为控温模块，光网络部件的特征参数包括控温模块的控制温度。当控温模块控制的部件的温度在预测时间点的预测值大于该部件的正常工作温度阈值时，处理单元确定该控温模块在预测时长内存在故障风险。

可选地，光网络部件为跨阻放大器，光网络部件的特征参数包括跨阻放大器的增益输出电压摆动幅度。当跨阻放大器输出的电压摆动幅度在预测时间点的预测值小于正常工作输出电压摆幅阈值时，处理单元确定该跨阻放大器在预测时长内存在故障风险。

可选地，光网络部件为光接口，光网络部件的特征参数包括光接口的光回损指标。当光接口的光回损指数在预测时间点的预测值大于正常工作时的光回损指数阈值，处理单元确定该光接口在预测时长内存在故障风险。

可选地，光网络部件为电接口，光网络部件的特征参数包括电接口的输出电压幅度和/或输出电流强度。当电接口输出的电压幅度在预测时间点的预测值超出正常工作时的电压幅度或/电接口输出的电流强度在预测时间点的预测值超出正常工作时的电流强度阈值，处理单元确定该电接口在预测时长内存在故障风险。

可选地，光网络部件为光放大器，光网络部件的特征参数包括光放大器的工作电流。当光放大器工作的电流强度在预测时间点的预测值超出正常工作时的电流强度阈值，处理单元确定该光放大器在预测时长内存在故障风险。

可选地，在步骤202中，对于N个采样值中的每个采样值，处理单元获取该采样值对应的采样时刻的环境参数。处理单元分别采用对应的采样时刻的环境参数对N个采样值进行环境效应归一化处理，得到N个归一化的采样值。处理单元根据该N个归一化的采样值确定特征参数的参数值变化趋势。其中，分别采用对应的采样时刻的环境参数对N个采样值进行环境效应归一化处理，是指将N个采样值归一化到相同环境下，归一化的采样值对应的环境参数相同，这样可以避免因环境差异造成采样值的差异而影响对确定的特征参数的参数值变化趋势的准确性。

可选地，处理单元每获取一个采样值以及该采样值对应的采样时刻的环境参数后，可以采用对应的环境参数对该采样值进行环境效应归一化处理并存储归一化的采样值。当处理单元获取到特征参数的N个归一化的采样值之后，根据N个归一化的采样值确定该特征参数的参数值变化趋势。处理单元可以采用最新得到的归一化的采样值更新存储的采样值，例如处理单元只存储最新的N个归一化的采样值，以节约存储空间。

可选地，环境参数包括但不限于温度、湿度和气压。有些光网络部件的特征参数的值可能会受环境的影响，比如激光器的工作电流随着工作温度的变化会有一个线性的轻微变化，可以将激光器的工作电流的采样值归一化至相同温度下对应的电流值。处理单元可以对激光器出厂标定的三温电流值进行线性拟合得到一个线性拟合方程，该线性拟合方程的自变量是温度，该线性拟合方程的因变量是由温度引起的电流值浮动。温度归一化的电流值等于工作电流的采样值减去基于线性拟合方程拟合得到的该采样值对应的采样时刻的温度下的电流值。由于在激光器的使用过程中，激光器的工作温度随时间变化是无序的，以激光器出厂标定的三温电流值为基准进行线性拟合，可以得到激光器在不同温度下的电流值浮动，从而减小因温度差异造成激光器的工作电流的采样值的差异，根据温度归一化的电流值确定激光器的工作电流的参数值变化趋势的准确性较高。

步骤203、根据该特征参数的参数值变化趋势，对该光网络部件进行健康预测。

可选地，若步骤202的实现方式为，处理单元基于N个采样时刻对光网络部件的特征参数的N个采样值进行多项式拟合，以得到该特征参数对应的预测模型，则步骤203的实现方式为，处理单元基于该特征参数对应的预测模型对该光网络部件进行健康预测。处理单元可以基于特征参数对应的预测模型确定该特征参数的参数值变化趋势为正常趋势还是劣化趋势。当特征参数的参数值变化趋势为劣化趋势，处理单元预测光网络部件存在故障风险。

例如，图3、图4和图5分别是本申请实施例提供的一种特征参数的参数值变化趋势示意图。该特征参数为激光器的发射光功率。如图3至图5所示，横坐标为时间，纵坐标为归一化的激光器的发射光功率与激光器的参考发射光功率的光功率差值。假设激光器的发射光功率对应的拟合时间窗的时长为100小时，采样频率为20小时/次，预测时间窗的时长为20小时，图3至图5中均示出了1200小时以内归一化的激光器的发射光功率的采样值。参见图3，激光器的发射光功率基于0-100小时的采样值拟合得到的参数值变化趋势为正常趋势，激光器的发射光功率在第120小时的预测值与激光器的参考发射光功率的光功率差值为0，则可以预测第120小时以内激光器维持正常工作状态。参见图4，激光器的发射光功率基于400-500小时的采样值拟合得到的参数值变化趋势为正常趋势，激光器的发射光功率在第520小时的预测值与激光器的参考发射光功率的光功率差值为0，则可以预测第520小时以内激光器维持正常工作状态。参见图5，激光器的发射光功率基于1000-1100小时的采样值拟合得到的参数值变化趋势为劣化趋势，激光器的发射光功率在第1120小时的预测值与激光器的参考发射光功率的光功率差值为-0.24，可以预测第1120小时以内激光器存在故障风险。

本申请实施例可以实现对光网络部件的全生命周期的健康预测，而无需等待光网络部件进入快速劣化趋势之后才能触发预警机制，对光网络部件进行故障预警的灵活性较高。

可选地，光网络部件具有能够反映该光网络部件的工作状态的多种特征参数。当该多种特征参数中存在任一种特征参数的参数值变化趋势为劣化趋势，处理单元可以预测该光网络部件存在故障风险。

本申请实施例中，当光网络部件具有能够反映该光网络部件的工作状态的多种特征参数时，处理单元可以分别确定多种特征参数中每种特征参数的参数值变化趋势，并采用多种特征参数的参数值变化趋势对同一光网络部件进行健康预测，相较于依赖单一特征参数的参数值变化趋势，可以提高对光网络部件的健康预测的准确性和可靠性。

可选地，处理单元在确定光网络部件在预测时长内存在故障风险之后，还可以输出故障预警，该故障预警指示光网络部件在该预测时长内存在故障风险。

如果上述方法由光传输装置或网络设备中的处理单元执行，输出故障预警可以理解为，向管理设备发送故障预警，以供管理设备显示该故障预警。如果网络设备具有显示功能，网络设备也可以显示该故障预警。如果上述方法由管理设备中的处理单元执行，输出故障预警可以理解为显示故障预警。

本申请实施例通过对光网络部件进行健康预测，能够提供对光网络部件的工作状态的未来走势预测，从而实现对光网络部件的缓变故障进行有效预警。进一步通过输出故障预警，以便运维人员尽早进行相应处理，例如运维人员可以根据预警信息提前进行光网络部件的更换或采取其它故障规避手段，避免潜在故障进一步劣化造成业务中断。

或者，处理单元在确定光网络部件在预测时长内维持正常工作状态之后，继续获取光网络部件的特征参数的采样值，并对光网络部件持续进行健康预测。

在本申请实施例提供的光网络部件的健康预测方法中，能够提供对光网络部件的工作状态的未来走势预测，从而实现对光网络部件的缓变故障进行有效预警。进一步通过输出故障预警，以便运维人员尽早进行相应处理，例如运维人员可以根据预警信息提前进行光网络部件的更换或采取其它故障规避手段，避免潜在故障进一步劣化造成业务中断。另外，由于本申请实施例中对光网络部件的特征参数进行参数值采样得到的采样值能够反映光网络部件在采样时刻的工作状态，因此本申请技术方案除了能够对缓变故障进行预警以外，还能够及时发现突发故障并进行告警。通过结合实现对光网络部件的突发故障的及时告警以及缓变故障的有效预警，保障了光网络系统的业务运行可靠性。此外，本申请技术方案具有普适性，一方面可以实现对光网络部件的全生命周期的健康预测，而无需等待光网络部件进入快速劣化趋势之后才能触发预警机制，对光网络部件进行故障预警的灵活性较高。另一方面适用于对多种光网络部件，适用范围广，可实现对光网络系统中各种光网络部件的健康预测。

可选地，用于执行图2所示方法的处理单元可以是如图6所示的通信设备600中的处理单元601。通信设备600中的处理单元601位于通信设备601中的光传输装置或网络设备中。处理单元601用于：获取光网络部件的特征参数在N个采样时刻的N个采样值，特征参数的值用于反映光网络部件的工作状态，N大于或等于2。根据N个采样值确定特征参数的参数值变化趋势。根据特征参数的参数值变化趋势，对光网络部件进行健康预测。

可选地，处理单元601，用于：基于N个采样时刻对N个采样值进行多项式拟合，以得到特征参数对应的预测模型，预测模型用于确定特征参数的参数值变化趋势。基于预测模型对光网络部件进行健康预测。

可选地，处理单元601，用于：获取光网络部件的多种特征参数分别在多个采样时刻的多个采样值，多种特征参数中的每种特征参数的值均用于反映光网络部件的工作状态。确定多种特征参数中每种特征参数的参数值变化趋势，当多种特征参数中存在任一种特征参数的参数值变化趋势为劣化趋势，预测光网络部件存在故障风险。

可选地，处理单元601，用于：基于特征参数对应的预测模型获取特征参数在预测时间点的预测值，预测时间点是根据当前时刻、预测模型对应的预测时间窗以及特征参数的采样频率确定的。当预测值与特征参数的参考值之间的误差值超出误差阈值，确定特征参数的参数值变化趋势为劣化趋势。劣化趋势包括光网络部件在预测时长内存在故障风险，预测时长的起始时刻为当前时刻，预测时长的结束时刻为预测时间点。

可选地，请继续参见图6，通信设备600还包括：发送单元602，用于向管理设备发送故障预警，该故障预警指示光网络部件在预测时长内存在故障风险。如果通信设备600具有显示功能，通信设备600还可以通过显示单元显示故障预警。

可选地，处理单元601，用于：对于N个采样值中的每个采样值，获取采样值对应的采样时刻的环境参数。分别采用对应的采样时刻的环境参数对N个采样值进行环境效应归一化处理，得到N个归一化的采样值。根据N个归一化的采样值确定特征参数的参数值变化趋势。

上述通信设备600在不包括发送单元602的情况下，可以是一个光传输装置。

可选地，用于执行图2所示方法的处理单元可以是如图7所示的管理设备700中的处理单元702。如图7所示，管理设备700包括接收单元701和处理单元702。接收单元701，用于接收通信设备发送的光网络部件的特征参数在N个采样时刻的N个采样值，特征参数的值用于反映光网络部件的工作状态，N大于或等于2。处理单元702，用于根据N个采样值确定特征参数的参数值变化趋势，并根据特征参数的参数值变化趋势，对光网络部件进行健康预测。

可选地，处理单元702，用于：基于N个采样时刻对N个采样值进行多项式拟合，以得到特征参数对应的预测模型，该预测模型用于确定特征参数的参数值变化趋势。基于预测模型对光网络部件进行健康预测。

可选地，接收单元701，用于接收通信设备发送的光网络部件的多种特征参数分别在多个采样时刻的多个采样值，多种特征参数中的每种特征参数的值均用于反映光网络部件的工作状态。处理单元702，用于确定多种特征参数中每种特征参数的参数值变化趋势，当多种特征参数中存在任一种特征参数的参数值变化趋势为劣化趋势，预测光网络部件存在故障风险。

可选地，处理单元702，用于：基于特征参数对应的预测模型获取特征参数在预测时间点的预测值，预测时间点是根据当前时刻、预测模型对应的预测时间窗以及特征参数的采样频率确定的。当预测值与特征参数的参考值之间的误差值超出误差阈值，确定特征参数的参数值变化趋势为劣化趋势。劣化趋势包括光网络部件在预测时长内存在故障风险，预测时长的起始时刻为当前时刻，预测时长的结束时刻为预测时间点。

可选地，请继续参见图7，管理设备700还包括：显示单元703，用于显示故障预警，该故障预警指示光网络部件在预测时长内存在故障风险。

可选地，处理单元702，用于：对于N个采样值中的每个采样值，获取采样值对应的采样时刻的环境参数。

分别采用对应的采样时刻的环境参数对N个采样值进行环境效应归一化处理，得到N个归一化的采样值。根据N个归一化的采样值确定特征参数的参数值变化趋势。

关于上述实施例中的装置，其中各个单元执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

本申请实施例还提供了一种光网络系统。该光网络系统包括管理设备和通信设备。通信设备用于向管理设备发送光网络部件的特征参数在N个采样时刻的N个采样值，特征参数的值用于反映光网络部件的工作状态，N大于或等于2。管理设备可以是如图7所示的管理设备700。

本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令被处理器执行时，实现上述图2所示的方法。

本申请实施例提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时，实现图2所示的方法。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本申请实施例中，术语“第一”、“第二”和“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

本申请中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

以上所述仅为本申请的可选实施例，并不用以限制本申请，凡在本申请的构思和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (21)

1.一种光网络部件的健康预测方法，其特征在于，所述方法包括：

获取所述光网络部件的特征参数在N个采样时刻的N个采样值，所述特征参数的值用于反映所述光网络部件的工作状态，N大于或等于2；

根据所述N个采样值确定所述特征参数的参数值变化趋势；

根据所述特征参数的参数值变化趋势，对所述光网络部件进行健康预测。

2.根据权利要求1所述的方法，其特征在于，所述根据所述N个采样值确定所述特征参数的参数值变化趋势，包括：

基于所述N个采样时刻对所述N个采样值进行多项式拟合，以得到所述特征参数对应的预测模型，所述预测模型用于确定所述特征参数的参数值变化趋势；

所述根据所述特征参数的参数值变化趋势，对所述光网络部件进行健康预测，包括：

基于所述预测模型对所述光网络部件进行健康预测。

3.根据权利要求1或2所述的方法，其特征在于，所述获取所述光网络部件的特征参数在N个采样时刻的N个采样值，包括：

获取所述光网络部件的多种特征参数分别在多个采样时刻的多个采样值，所述多种特征参数中的每种特征参数的值均用于反映所述光网络部件的工作状态；

所述根据所述特征参数的参数值变化趋势，对所述光网络部件进行健康预测，包括：

当所述多种特征参数中存在任一种特征参数的参数值变化趋势为劣化趋势，预测所述光网络部件存在故障风险。

4.根据权利要求3所述的方法，其特征在于，对于所述多种特征参数中的每种特征参数，确定所述特征参数的参数值变化趋势，包括：

基于所述特征参数对应的预测模型获取所述特征参数在预测时间点的预测值，所述预测时间点是根据当前时刻、所述预测模型对应的预测时间窗以及所述特征参数的采样频率确定的；

当所述预测值与所述特征参数的参考值之间的误差值超出误差阈值，确定所述特征参数的参数值变化趋势为劣化趋势；

所述劣化趋势包括所述光网络部件在预测时长内存在故障风险，所述预测时长的起始时刻为所述当前时刻，所述预测时长的结束时刻为所述预测时间点。

5.根据权利要求4所述的方法，其特征在于，在确定所述光网络部件在所述预测时长内存在故障风险之后，所述方法还包括：

输出故障预警，所述故障预警指示所述光网络部件在所述预测时长内存在故障风险。

6.根据权利要求1至5任一所述的方法，其特征在于，

所述光网络部件为激光器，所述光网络部件的特征参数包括所述激光器的工作电流；或者，

所述光网络部件为光纤链路，所述光网络部件的特征参数包括所述光纤链路对应的光时域反射曲线和/或多径干扰参数；或者，

所述光网络部件为数字信号处理器，所述光网络部件的特征参数包括所述数字信号处理器的频域响应参数和/或所述数字信号处理器的信噪比；或者，

所述光网络部件为驱动器，所述光网络部件的特征参数包括所述驱动器的输出电压摆动幅度；或者，

所述光网络部件为光探测器，所述光网络部件的特征参数包括所述光探测器的工作电流；或者，

所述光网络部件为控温模块，所述光网络部件的特征参数包括所述控温模块的控制温度；或者，

所述光网络部件为跨阻放大器，所述光网络部件的特征参数包括所述跨阻放大器的增益输出电压摆动幅度；或者，

所述光网络部件为光接口，所述光网络部件的特征参数包括光接口的光回损指标；或者，

所述光网络部件为电接口，所述光网络部件的特征参数包括所述电接口的输出电压幅度和/或输出电流强度；或者，

所述光网络部件为光纤放大器，所述光网络部件的特征参数包括所述光纤放大器的工作电流。

7.根据权利要求6所述的方法，其特征在于，所述光网络部件为激光器，所述光网络部件的特征参数还包括所述激光器的发射光功率和/或光探测器对所述激光器的发射光的接收光功率。

8.根据权利要求1至7任一所述的方法，其特征在于，所述根据所述N个采样值确定所述特征参数的参数值变化趋势，包括：

对于所述N个采样值中的每个采样值，获取所述采样值对应的采样时刻的环境参数；

分别采用对应的采样时刻的环境参数对所述N个采样值进行环境效应归一化处理，得到N个归一化的采样值；

根据所述N个归一化的采样值确定所述特征参数的参数值变化趋势。

9.一种通信设备，其特征在于，所述通信设备包括处理单元，所述处理单元用于：

获取光网络部件的特征参数在N个采样时刻的N个采样值，所述特征参数的值用于反映所述光网络部件的工作状态，N大于或等于2；

根据所述N个采样值确定所述特征参数的参数值变化趋势；

根据所述特征参数的参数值变化趋势，对所述光网络部件进行健康预测。

10.根据权利要求9所述的通信设备，其特征在于，所述处理单元，用于：

基于所述N个采样时刻对所述N个采样值进行多项式拟合，以得到所述特征参数对应的预测模型，所述预测模型用于确定所述特征参数的参数值变化趋势；

基于所述预测模型对所述光网络部件进行健康预测。

11.根据权利要求9或10所述的通信设备，其特征在于，所述处理单元，用于：

获取所述光网络部件的多种特征参数分别在多个采样时刻的多个采样值，所述多种特征参数中的每种特征参数的值均用于反映所述光网络部件的工作状态；

确定所述多种特征参数中每种特征参数的参数值变化趋势，当所述多种特征参数中存在任一种特征参数的参数值变化趋势为劣化趋势，预测所述光网络部件存在故障风险。

12.根据权利要求11所述的通信设备，其特征在于，所述处理单元，用于：

基于所述特征参数对应的预测模型获取所述特征参数在预测时间点的预测值，所述预测时间点是根据当前时刻、所述预测模型对应的预测时间窗以及所述特征参数的采样频率确定的；

当所述预测值与所述特征参数的参考值之间的误差值超出误差阈值，确定所述特征参数的参数值变化趋势为劣化趋势；

所述劣化趋势包括所述光网络部件在预测时长内存在故障风险，所述预测时长的起始时刻为所述当前时刻，所述预测时长的结束时刻为所述预测时间点。

13.根据权利要求12所述的通信设备，其特征在于，所述通信设备还包括：

发送单元，用于向管理设备发送故障预警，所述故障预警指示所述光网络部件在所述预测时长内存在故障风险。

14.根据权利要求9至13任一所述的通信设备，其特征在于，所述处理单元，用于：

对于所述N个采样值中的每个采样值，获取所述采样值对应的采样时刻的环境参数；

分别采用对应的采样时刻的环境参数对所述N个采样值进行环境效应归一化处理，得到N个归一化的采样值；

根据所述N个归一化的采样值确定所述特征参数的参数值变化趋势。

15.一种管理设备，其特征在于，包括：

接收单元，用于接收通信设备发送的光网络部件的特征参数在N个采样时刻的N个采样值，所述特征参数的值用于反映所述光网络部件的工作状态，N大于或等于2；

处理单元，用于根据所述N个采样值确定所述特征参数的参数值变化趋势，并根据所述特征参数的参数值变化趋势，对所述光网络部件进行健康预测。

16.根据权利要求15所述的管理设备，其特征在于，所述处理单元，用于：

基于所述N个采样时刻对所述N个采样值进行多项式拟合，以得到所述特征参数对应的预测模型，所述预测模型用于确定所述特征参数的参数值变化趋势；

基于所述预测模型对所述光网络部件进行健康预测。

17.根据权利要求15或16所述的管理设备，其特征在于，

所述接收单元，用于接收所述通信设备发送的所述光网络部件的多种特征参数分别在多个采样时刻的多个采样值，所述多种特征参数中的每种特征参数的值均用于反映所述光网络部件的工作状态；

所述处理单元，用于确定所述多种特征参数中每种特征参数的参数值变化趋势，当所述多种特征参数中存在任一种特征参数的参数值变化趋势为劣化趋势，预测所述光网络部件存在故障风险。

18.根据权利要求17所述的管理设备，其特征在于，所述处理单元，用于：

基于所述特征参数对应的预测模型获取所述特征参数在预测时间点的预测值，所述预测时间点是根据当前时刻、所述预测模型对应的预测时间窗以及所述特征参数的采样频率确定的；

当所述预测值与所述特征参数的参考值之间的误差值超出误差阈值，确定所述特征参数的参数值变化趋势为劣化趋势；

所述劣化趋势包括所述光网络部件在预测时长内存在故障风险，所述预测时长的起始时刻为所述当前时刻，所述预测时长的结束时刻为所述预测时间点。

19.根据权利要求18所述的管理设备，其特征在于，所述管理设备还包括：

显示单元，用于显示故障预警，所述故障预警指示所述光网络部件在所述预测时长内存在故障风险。

20.根据权利要求15至19任一所述的管理设备，其特征在于，所述处理单元，用于：

对于所述N个采样值中的每个采样值，获取所述采样值对应的采样时刻的环境参数；

分别采用对应的采样时刻的环境参数对所述N个采样值进行环境效应归一化处理，得到N个归一化的采样值；

根据所述N个归一化的采样值确定所述特征参数的参数值变化趋势。

21.一种光网络系统，其特征在于，所述光网络系统包括管理设备和通信设备；

所述通信设备用于向管理设备发送光网络部件的特征参数在N个采样时刻的N个采样值，所述特征参数的值用于反映所述光网络部件的工作状态，N大于或等于2；所述管理设备包括如权利要求15至20任一所述的管理设备。

Images