CN118199719A - 针对光纤链路的故障定位方法、设备及介质 - Google Patents
针对光纤链路的故障定位方法、设备及介质 Download PDFInfo
- Publication number
- CN118199719A CN118199719A CN202410504542.6A CN202410504542A CN118199719A CN 118199719 A CN118199719 A CN 118199719A CN 202410504542 A CN202410504542 A CN 202410504542A CN 118199719 A CN118199719 A CN 118199719A
- Authority
- CN
- China
- Prior art keywords
- echo
- optical fiber
- signal
- data
- fault
- 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
- 239000013307 optical fiber Substances 0.000 title claims abstract description 229
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000003287 optical effect Effects 0.000 claims abstract description 61
- 238000004458 analytical method Methods 0.000 claims abstract description 44
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 238000010586 diagram Methods 0.000 claims abstract description 16
- 239000000835 fiber Substances 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000005452 bending Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 11
- 230000007246 mechanism Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 230000004807 localization Effects 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 7
- 238000010183 spectrum analysis Methods 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000011426 transformation method Methods 0.000 description 4
- 238000002372 labelling Methods 0.000 description 3
- 238000005312 nonlinear dynamic Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 238000005311 autocorrelation function Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000253 optical time-domain reflectometry Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
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
- H04B10/071—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems using a reflected signal, e.g. using optical time domain reflectometers [OTDR]
-
- 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
- H04B10/075—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems using an in-service signal
- H04B10/077—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems using an in-service signal using a supervisory or additional signal
- H04B10/0771—Fault location on the transmission path
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Optical Communication System (AREA)
Abstract
本发明涉及光纤故障定位技术领域，揭露了一种针对光纤链路的故障定位方法、电子设备及计算机可读存储介质，其中方法包括：利用光时域反射仪对待测光纤链路进行多级光纤检测以及回波基准除噪，得到除噪信号回波数据组；对除噪信号回波数据组进行多维空间重构以及注意力时频分析，得到回波时频特征组；对回波时频特征组进行特征故障定位，得到光纤故障距离组；获取待测光纤链路的链路资料图，对链路资料图进行线路识别以及布局分析，得到光纤布局参数组；根据光纤布局参数组和光纤故障距离组计算出标准故障距离，利用标准故障距离对链路资料图进行故障定位标注。本发明可以应用于光纤维护领域，能够提高光纤故障定位的准确率。
Description
技术领域
本发明涉及光纤故障定位技术领域，尤其涉及一种针对光纤链路的故障定位方法、电子设备及计算机可读存储介质。
背景技术
光纤作为一种传输数据的介质，在现代通信和网络领域有着广泛的应用背景，而光纤可能会出现例如断裂、弯曲、光耦合不良等故障，这些故障会导致光信号的衰减、失真或完全中断，影响通信的质量和可靠性，因此，需要及时准确地定位光纤故障，以便及时修复和恢复通信。
现有的光纤故障定位技术通常采用传统光时域反射计的故障定位方法，通过利用光时域反射计获取待测光纤链路的反射信号，根据反射信号的峰值特征进行定位，然而，基于传统光时域反射计的故障定位方法往往存在背景噪声以及光信号叠加噪声的现象，且由于光时域反射计是针对光纤进行故障定位，而实际安装中光纤因为形变扭曲等因素会造成光纤与光缆位置不匹配的现象，可能导致进行故障定位时的准确率较低。
发明内容
本发明提供一种针对光纤链路的故障定位方法、电子设备及计算机可读存储介质，其主要目的在于解决进行故障定位时的准确率较低的问题。
为实现上述目的，本发明提供的一种针对光纤链路的故障定位方法，包括：
利用光时域反射仪对待测光纤链路进行多级光纤检测以及回波基准除噪，得到除噪信号回波数据组；
对所述除噪信号回波数据组进行多维空间重构以及注意力时频分析，得到回波时频特征组；
对所述回波时频特征组进行特征故障定位，得到光纤故障距离组；
获取所述待测光纤链路的链路资料图，对所述链路资料图进行线路识别以及布局分析，得到光纤布局参数组；
根据所述光纤布局参数组和所述光纤故障距离组计算出标准故障距离，利用所述标准故障距离对所述链路资料图进行故障定位标注。
可选地，所述利用光时域反射仪对待测光纤链路进行多级光纤检测以及回波基准除噪，得到除噪信号回波数据组，包括：
利用光时域反射仪对待测光纤链路进行多级光纤检测，得到初级信号回波数据组；
利用如下的回波校正算法对所述初级信号回波数据组进行基线背景补偿，得到补偿信号回波数据组：
其中，y是所述补偿信号回波数据组中的补偿信号回波数据在时间为x时的光强度，是所述初级信号回波数据组中的初级信号回波数据在时间为x时的光强度，x是指横轴的时间，d是所述初级信号回波数据组中的初级信号回波数据的直流分量，am是所述所述初级信号回波数据组中的初级信号回波数据在m倍频率时的余弦波分量，m为频率倍数，cos()为余弦函数，bm是所述所述初级信号回波数据组中的初级信号回波数据在m倍频率时的正弦波分量，sin()为正弦函数；
利用如下的二阶回波滤波算法计算出所述补偿信号回波数据组对应的二阶回波噪声数据组：
其中，B(x,y)是指所述补偿信号回波数据组中坐标为(x,y)的补偿信号回波数据的二阶回波噪声数据，x是指横轴的时间，y是指纵轴的光强度，π是圆周率，σ是预设的标准差，k是预设的滤波范围参数，e是欧拉数；
根据所述二阶回波噪声数据组对所述补偿信号回波数据组进行阈值除噪以及信号拟合，得到除噪信号回波数据组。
可选地，所述对所述除噪信号回波数据组进行多维空间重构以及注意力时频分析，得到回波时频特征组，包括：
逐个选取所述除噪信号回波数据组中的除噪信号回波数据作为目标回波数据，对所述目标回波数据进行延时嵌入操作，得到目标回波延时特征集；
对所述目标回波延时特征集进行高维空间映射，得到目标回波相空间；
对所述目标回波相空间进行非线性信号投影，得到重构回波信号数据；
对所述重构回波信号数据进行注意力加权，得到注意力回波信号数据；
对所述注意力回波信号数据进行时频信号分析，得到回波时频特征；
将所述除噪信号回波数据组中所有目标回波数据的回波时频特征汇集成回波时频特征组。
可选地，所述对所述重构回波信号数据进行注意力加权，得到注意力回波信号数据，包括：
对所述重构回波信号数据进行位置编码，得到回波信号编码；
利用自注意力机制对所述回波信号编码进行注意力分析，得到信号注意力权重；
利用所述信号注意力权重对所述重构回波信号数据进行归一化特征加权，得到注意力回波信号数据。
可选地，所述对所述注意力回波信号数据进行时频信号分析，得到回波时频特征，包括：
对所述注意力回波信号数据进行峰值检测分析，得到回波峰值特征；
对所述注意力回波信号数据进行脉冲宽度分析，得到回波脉冲特征；
根据所述回波峰值特征和所述回波脉冲特征生成回波时域特征；
对所述注意力回波信号数据进行频域变换，得到回波频域信号；
对所述回波频域信号进行频谱分析，得到回波频域特征；
根据所述回波时域特征和所述回波频域特征生成回波时频特征。
可选地，所述对所述回波时频特征组进行特征故障定位，得到光纤故障距离组，包括：
逐个选取所述回波时频特征组中的回波时频特征作为目标时频特征，对所述目标时频特征进行高斯径向基特征映射，得到目标时频特征空间；
对所述目标时频特征空间进行超平面回归加权运算，得到目标故障特征；
对所述目标故障特征进行反变换操作，得到标准故障距离特征；
对所述标准故障距离特征进行多级残差映射，得到光纤故障距离；
将所述回波时频特征组中所有目标时频特征的光纤故障距离汇集成光纤故障距离组。
可选地，所述对所述链路资料图进行线路识别以及布局分析，得到光纤布局参数组，包括：
对所述链路资料图进行光缆边缘检测，得到目标光纤线路；
对所述目标光纤线路进行曲率拟合，得到弯曲率；
根据所述目标光纤线路对所述链路资料图进行文本目标识别，得到目标光纤数据；
对所述目标光纤数据进行布局关键词检索，得到留盘长度、尾纤长度、纤长以及缆长；
利用所述纤长对所述缆长进行差除运算，得到绞缩率；
将所述留盘长度、所述尾纤长度、所述弯曲率以及所述绞缩率汇集成光纤布局参数组。
详细地，所述根据所述光纤布局参数组和所述光纤故障距离组计算出标准故障距离，包括：
利用如下的光纤距离校准算法根据所述光纤布局参数组对所述光纤故障距离组进行距离校准，得到标准故障距离：
其中，S是指所述标准故障距离，N是指所述光纤故障距离组的元素总个数，n是指序号，Gn是指所述光纤故障距离组中第n个光纤故障距离，W1是指所述光纤布局参数组中的尾纤长度，J是指所述光纤布局参数组中的绞缩率，W2是指所述光纤布局参数组中的留盘长度，w是指所述光纤布局参数组中的弯曲率。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的针对光纤链路的故障定位方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的针对光纤链路的故障定位方法。
本发明实施例通过利用光时域反射仪对待测光纤链路进行多级光纤检测以及回波基准除噪，得到除噪信号回波数据组，可以根据多级光纤检测的结果减少单次故障定位的偶然性，从而提高故障定位的准确度，可以实现对反射的光信号的校正和除噪，从而提高后续光信号分析的准确度，通过对所述除噪信号回波数据组进行多维空间重构以及注意力时频分析，得到回波时频特征组，可以通过多维空间重构的方法提取出回波信号的周期性、混沌性以及非线性动态的时域和频域特征，并结合注意力机制实现对关键特征的筛选，从而更加全面的分析回波信号，提高了后续故障定位的准确性，通过对所述回波时频特征组进行特征故障定位，得到光纤故障距离组，可以利用支持向量回归模型的方法实现特征故障的定位，从而提高故障定位的准确度。
通过对所述链路资料图进行线路识别以及布局分析，得到光纤布局参数组，可以识别提取出所述待测光纤链路的光纤分布以及光纤布局的特征，从而方便后续的故障位置的修正，提高故障定位的精确度，通过根据所述光纤布局参数组和所述光纤故障距离组计算出标准故障距离，可以减少光纤在布置时由于形变和误差造成的距离出差，提高故障定位的准确性，通过利用所述标准故障距离对所述链路资料图进行故障定位标注，可以提高故障定位的直观度。因此本发明提出的针对光纤链路的故障定位方法、电子设备及计算机可读存储介质，可以解决进行故障定位时的准确率较低的问题。
附图说明
图1为本发明一实施例提供的针对光纤链路的故障定位方法的流程示意图；
图2为本发明一实施例提供的生成除噪信号回波数据组的流程示意图；
图3为本发明一实施例提供的提取回波时频特征的流程示意图；
图4为本发明一实施例提供的实现所述针对光纤链路的故障定位方法的电子设备的结构示意图。
本发明目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种针对光纤链路的故障定位方法。所述针对光纤链路的故障定位方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述针对光纤链路的故障定位方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的针对光纤链路的故障定位方法的流程示意图。在本实施例中，所述针对光纤链路的故障定位方法包括：
S1、利用光时域反射仪对待测光纤链路进行多级光纤检测以及回波基准除噪，得到除噪信号回波数据组。
本发明实施例中，所述光时域反射仪(Optical Time Domain Reflectometer，简称OTDR)是一种用于测试光纤链路的设备，所述光时域反射仪的工作原理是发送短脉冲光信号进入光纤，并测量由短脉冲光信号在光纤中传播过程中反射或散射回来的光信号，通过分析反射或散射回来的光信号的强度和时间延迟，可以确定光纤链路上的各种情况，包括连接器、接头、断裂、弯曲以及光信号的衰减情况等。
具体地，所述光纤链路是指通过光纤传输技术建立的通信链路，用于在网络中传输数据，所述光纤链路由一系列连接在一起的光纤组成，通常包括光纤缆线、连接器、光纤收发器等设备，所述除噪信号回波数据组中的每个除噪信号回波数据是由所述光时域反射仪对所述待测光纤链路进行一次光纤检测得到的反射光信号数据。
本发明实施例中，参照图2所示，所述利用光时域反射仪对待测光纤链路进行多级光纤检测以及回波基准除噪，得到除噪信号回波数据组，包括：
S21、利用光时域反射仪对待测光纤链路进行多级光纤检测，得到初级信号回波数据组；
S22、对所述初级信号回波数据组进行基线背景补偿，得到补偿信号回波数据组；
S23、计算出所述补偿信号回波数据组对应的二阶回波噪声数据组；
S24、根据所述二阶回波噪声数据组对所述补偿信号回波数据组进行阈值除噪以及信号拟合，得到除噪信号回波数据组。
详细地，所述多级光纤检测是指进行多次不同光照强度的光纤检测，每次光纤检测的结果是初级信号回波数据组中的一个初级信号回波数据，所述初级信号回波数据是一系列光强度随时间变化的数据点构成的曲线。
具体地，利用如下的回波校正算法计算出补偿信号回波数据组：
其中，y是所述补偿信号回波数据组中的补偿信号回波数据在时间为x时的光强度，是所述初级信号回波数据组中的初级信号回波数据在时间为x时的光强度，x是指横轴的时间，d是所述初级信号回波数据组中的初级信号回波数据的直流分量，am是所述所述初级信号回波数据组中的初级信号回波数据在m倍频率时的余弦波分量，m为频率倍数，cos()为余弦函数，bm是所述所述初级信号回波数据组中的初级信号回波数据在m倍频率时的正弦波分量，sin()为正弦函数。
详细地，所述回波校正算法可以根据所述初级信号回波数据组中的各个初级信号回波数据的直流分量、正弦以及余弦的波动实现光信号的基准校正，所述直流分量是光信号波形中的恒定部分，不随时间变化，所述余弦波分量是光信号波形中的周期性部分，其波形形状类似于余弦函数，所述正弦波分量也是光信号波形中的周期性部分，其波形形状类似于正弦函数。
详细地，利用如下的二阶回波滤波算法计算出二阶回波噪声数据组：
其中，B(x,y)是指所述补偿信号回波数据组中坐标为(x,y)的补偿信号回波数据的二阶回波噪声数据，x是指横轴的时间，y是指纵轴的光强度，π是圆周率，σ是预设的标准差，k是预设的滤波范围参数，e是欧拉数。
具体地，所述二阶回波滤波算法可以实现不同尺度的光信号变化趋势检测，从而提取补偿信号回波数据组中光信号的边缘特征，便于提取出补偿信号回波数据的噪声信息，从而实现对反射的光信号的除噪。
详细地，所述阈值除噪是指筛选出所述补偿信号回波数据组中超出预设的二阶回波噪声数据组所对应的部分补偿信号回波数据进行筛除，所述信号拟合是指根据被筛除的光信号周围的光信号取值特征进行均值拟合。
本发明实施例中，通过利用光时域反射仪对待测光纤链路进行多级光纤检测以及回波基准除噪，得到除噪信号回波数据组，可以根据多级光纤检测的结果减少单次故障定位的偶然性，从而提高故障定位的准确度，可以实现对反射的光信号的校正和除噪，从而提高后续光信号分析的准确度。
S2、对所述除噪信号回波数据组进行多维空间重构以及注意力时频分析，得到回波时频特征组。
详细地，所述回波时频特征组中的各个回波时频特征对应所述除噪信号回波数据组中一个除噪信号回波数据的时域特征和频域特征，所述回波时频特征可以根据光信号的时间延迟和信号强度确定出故障的距离以及故障的类型。
本发明实施例中，所述对所述除噪信号回波数据组进行多维空间重构以及注意力时频分析，得到回波时频特征组，包括：
逐个选取所述除噪信号回波数据组中的除噪信号回波数据作为目标回波数据，对所述目标回波数据进行延时嵌入操作，得到目标回波延时特征集；
对所述目标回波延时特征集进行高维空间映射，得到目标回波相空间；
对所述目标回波相空间进行非线性信号投影，得到重构回波信号数据；
对所述重构回波信号数据进行注意力加权，得到注意力回波信号数据；
对所述注意力回波信号数据进行时频信号分析，得到回波时频特征；
将所述除噪信号回波数据组中所有目标回波数据的回波时频特征汇集成回波时频特征组。
详细地，所述延时嵌入是指将当前时刻的当前时刻的信号值作为第一个维度的值，然后依次延迟一定时间间隔的信号值作为后续维度的值，这样就形成了一个延迟嵌入向量信号值作为第一个维度的值，然后依次延迟一定时间间隔的信号值作为后续维度的值，这样就形成了一个延迟嵌入向量，这个延迟嵌入向量即是目标回波延时特征，可以利用时延均匀采样法、自相似时序采样的方法进行延时嵌入操作。
具体地，可以利用Takens嵌入定理或自相关函数法进行高维空间映射，所述非线性信号投影的方法可以是主成分分析、三维散点图以及时间序列图的方法。
具体地，所述对所述重构回波信号数据进行注意力加权，得到注意力回波信号数据，包括：
对所述重构回波信号数据进行位置编码，得到回波信号编码；
利用自注意力机制对所述回波信号编码进行注意力分析，得到信号注意力权重；
利用所述信号注意力权重对所述重构回波信号数据进行归一化特征加权，得到注意力回波信号数据。
详细地，可以利用正弦函数或余弦函数的组合编码方法进行位置编码，也可以利用时序编码方法进行位置编码。
具体地，所述自注意力机制是一种用于处理序列数据的注意力机制，自注意力机制能够自动地对序列中的不同位置进行加权，从而更好地捕捉序列中的长距离依赖关系，所述信号注意力权重是指所述重构回波信号数据中各个位置的回波信号与其他位置的回波信号之间相似度得到的权重，所述信号注意力权重反映了所述重构回波信号数据中各个位置的回波数据的关联程度以及重要性。
详细地，所述归一化特征加权是指对所述重构回波信号数据进行归一化操作后再将每个归一化后的每个回波信号数据乘以对应的位置的注意力权重。
本发明实施例中，参照图3所示，所述对所述注意力回波信号数据进行时频信号分析，得到回波时频特征，包括：
S31、对所述注意力回波信号数据进行峰值检测分析，得到回波峰值特征；
S32、对所述注意力回波信号数据进行脉冲宽度分析，得到回波脉冲特征；
S33、根据所述回波峰值特征和所述回波脉冲特征生成回波时域特征；
S34、对所述注意力回波信号数据进行频域变换，得到回波频域信号；
S35、对所述回波频域信号进行频谱分析，得到回波频域特征；
S36、根据所述回波时域特征和所述回波频域特征生成回波时频特征。
详细地，所述峰值检测分析是指检测出所述注意力回波信号数据中的峰值部分数据，并提取峰值位置、峰值幅度、峰值宽度峰值间隔等特征作为回波峰值特征，所述脉冲宽度分析是指提取出所述注意力回波信号数据中脉冲的宽度特征，将所述宽度特征作为回波脉冲特征。
具体地，所述回波时域特征是有所述回波峰值特征和所述回波脉冲特征进行拼接融合得到的，所述频域变换的方法可以是傅里叶变换法或小波变换的方法，所述频谱分析是指提取出所述回波频域信号的中心频率、带宽以及谱峰值等特征作为回波频域特征，所述回波时频特征是有所述回波时域特征和所述回波频域特征汇集得到的。
本发明实施例中，通过对所述除噪信号回波数据组进行多维空间重构以及注意力时频分析，得到回波时频特征组，可以通过多维空间重构的方法提取出回波信号的周期性、混沌性以及非线性动态的时域和频域特征，并结合注意力机制实现对关键特征的筛选，从而更加全面的分析回波信号，提高了后续故障定位的准确性。
S3、对所述回波时频特征组进行特征故障定位，得到光纤故障距离组。
具体地，所述光纤故障距离组中的各个光纤故障距离是指针对所述除噪信号回波数据组中的一个除噪信号回波数据计算出的所述待测光纤链路中故障的光纤距离。
本发明实施例中，所述对所述回波时频特征组进行特征故障定位，得到光纤故障距离组，包括：
逐个选取所述回波时频特征组中的回波时频特征作为目标时频特征，对所述目标时频特征进行高斯径向基特征映射，得到目标时频特征空间；
对所述目标时频特征空间进行超平面回归加权运算，得到目标故障特征；
对所述目标故障特征进行反变换操作，得到标准故障距离特征；
对所述标准故障距离特征进行多级残差映射，得到光纤故障距离；
将所述回波时频特征组中所有目标时频特征的光纤故障距离汇集成光纤故障距离组。
具体地，所述高斯径向基特征映射是指利用预先训练的高斯径向基核函数将所述目标时频特征映射到高维特征空间中，所述超平面回归加权运算是指利用预先训练的支持向量以及支持系数对所述目标时频特征空间中的特征进行加权求和计算，将加权和作为目标故障特征，所述反变换的方法可以是Box-Cox变换、Min-Max反标准化或Z-Score反标准化。
本发明实施例中，通过对所述回波时频特征组进行特征故障定位，得到光纤故障距离组，可以利用支持向量回归模型的方法实现特征故障的定位，从而提高故障定位的准确度。
S4、获取所述待测光纤链路的链路资料图，对所述链路资料图进行线路识别以及布局分析，得到光纤布局参数组。
详细地，所述链路资料图是指标注了所述待测光纤链路铺设线路的详细资料的线路规划图片，所述光纤布局参数组中包括光纤链路的留盘长度、尾纤长度、绞缩率以及弯曲率等，其中，所述留盘长度是指在光纤链路进行布线或安装过程中，为了方便调整、维护和避免光纤受力而额外保留的一段光纤长度，所述尾纤长度是指光纤连接器两侧的光纤在连接器外露的部分长度，所述绞缩率是指光纤链路在安装时绞合时产生的缠绕或扭曲的程度，所述弯曲率是指光纤链路的自然弯曲的程度。
本发明实施例中，所述对所述链路资料图进行线路识别以及布局分析，得到光纤布局参数组，包括：
对所述链路资料图进行光缆边缘检测，得到目标光纤线路；
对所述目标光纤线路进行曲率拟合，得到弯曲率；
根据所述目标光纤线路对所述链路资料图进行文本目标识别，得到目标光纤数据；
对所述目标光纤数据进行布局关键词检索，得到留盘长度、尾纤长度、纤长以及缆长；
利用所述纤长对所述缆长进行差除运算，得到绞缩率；
将所述留盘长度、所述尾纤长度、所述弯曲率以及所述绞缩率汇集成光纤布局参数组。
详细地，所述光缆边缘检测的方法可以是canny算子或sobel算子，所述曲率拟合的算法可以是B样条曲线，贝塞尔曲线以及微分运算的方法，所述文本目标检测是指利用YOLO模型或CNN等模型检测出所述链路资料图上所述目标光纤线路附近区域的标注文本图片，并利用文本识别模型提取出标注文本图片的文本语义，得到目标光纤数据。
具体地，所述布局关键词检索是指利用关键词匹配的方法提取出留盘长度、尾纤长度、纤长以及缆长，其中，所述纤长是指所述待测光纤链路的光纤长度，所述缆长是指所述待测光纤链路的光缆长度，所述差除运算是指将所述纤长与所述缆长之差除以所述缆长。
本发明实施例中，通过对所述链路资料图进行线路识别以及布局分析，得到光纤布局参数组，可以识别提取出所述待测光纤链路的光纤分布以及光纤布局的特征，从而方便后续的故障位置的修正，提高故障定位的精确度。
S5、根据所述光纤布局参数组和所述光纤故障距离组计算出标准故障距离，利用所述标准故障距离对所述链路资料图进行故障定位标注。
本发明实施例中，所述标准故障距离是所述待测光纤链路中从光时域反射仪的测量点到故障点的真实光缆距离，所述光纤故障距离组中的各个光纤故障距离由于存在弯曲率以及光缆流盘等因素的影响，可能导致光纤故障距离与真实距离之间出现偏差，因此需要计算出标准故障距离。
本发明实施例中，所述根据所述光纤布局参数组和所述光纤故障距离组计算出标准故障距离，包括：
利用如下的光纤距离校准算法根据所述光纤布局参数组对所述光纤故障距离组进行距离校准，得到标准故障距离：
其中，S是指所述标准故障距离，N是指所述光纤故障距离组的元素总个数，n是指序号，Gn是指所述光纤故障距离组中第n个光纤故障距离，W1是指所述光纤布局参数组中的尾纤长度，J是指所述光纤布局参数组中的绞缩率，W2是指所述光纤布局参数组中的留盘长度，w是指所述光纤布局参数组中的弯曲率。
具体地，所述光纤距离校准算法可以考量光缆形变以及光纤的预留长度对故障位置的影响，从而计算出更加准确的故障位置。
详细地，所述利用所述标准故障距离对所述链路资料图进行故障定位标注是指从所述链路资料图中提取出目标光纤线路，对所述标准故障距离进行比例尺缩放，得到缩放故障距离，利用弧长公式或数值积分的方法在所述目标光纤线路中标注处所述缩放故障距离所在位置，并在所述位置标注出标准故障距离。
本发明实施例中，通过根据所述光纤布局参数组和所述光纤故障距离组计算出标准故障距离，可以减少光纤在布置时由于形变和误差造成的距离出差，提高故障定位的准确性，通过利用所述标准故障距离对所述链路资料图进行故障定位标注，可以提高故障定位的直观度。
本发明实施例通过利用光时域反射仪对待测光纤链路进行多级光纤检测以及回波基准除噪，得到除噪信号回波数据组，可以根据多级光纤检测的结果减少单次故障定位的偶然性，从而提高故障定位的准确度，可以实现对反射的光信号的校正和除噪，从而提高后续光信号分析的准确度，通过对所述除噪信号回波数据组进行多维空间重构以及注意力时频分析，得到回波时频特征组，可以通过多维空间重构的方法提取出回波信号的周期性、混沌性以及非线性动态的时域和频域特征，并结合注意力机制实现对关键特征的筛选，从而更加全面的分析回波信号，提高了后续故障定位的准确性，通过对所述回波时频特征组进行特征故障定位，得到光纤故障距离组，可以利用支持向量回归模型的方法实现特征故障的定位，从而提高故障定位的准确度。
通过对所述链路资料图进行线路识别以及布局分析，得到光纤布局参数组，可以识别提取出所述待测光纤链路的光纤分布以及光纤布局的特征，从而方便后续的故障位置的修正，提高故障定位的精确度，通过根据所述光纤布局参数组和所述光纤故障距离组计算出标准故障距离，可以减少光纤在布置时由于形变和误差造成的距离出差，提高故障定位的准确性，通过利用所述标准故障距离对所述链路资料图进行故障定位标注，可以提高故障定位的直观度。因此本发明提出的针对光纤链路的故障定位方法，可以解决进行故障定位时的准确率较低的问题。
如图4所示，是本发明一实施例提供的实现针对光纤链路的故障定位方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如针对光纤链路的故障定位程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行针对光纤链路的故障定位程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如针对光纤链路的故障定位程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图中仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图中示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于长度优化的文本分析程序是多个指令的组合，在所述处理器10中运行时，可以实现：
利用光时域反射仪对待测光纤链路进行多级光纤检测以及回波基准除噪，得到除噪信号回波数据组；
对所述除噪信号回波数据组进行多维空间重构以及注意力时频分析，得到回波时频特征组；
对所述回波时频特征组进行特征故障定位，得到光纤故障距离组；
获取所述待测光纤链路的链路资料图，对所述链路资料图进行线路识别以及布局分析，得到光纤布局参数组；
根据所述光纤布局参数组和所述光纤故障距离组计算出标准故障距离，利用所述标准故障距离对所述链路资料图进行故障定位标注。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
利用光时域反射仪对待测光纤链路进行多级光纤检测以及回波基准除噪，得到除噪信号回波数据组；
对所述除噪信号回波数据组进行多维空间重构以及注意力时频分析，得到回波时频特征组；
对所述回波时频特征组进行特征故障定位，得到光纤故障距离组；
获取所述待测光纤链路的链路资料图，对所述链路资料图进行线路识别以及布局分析，得到光纤布局参数组；
根据所述光纤布局参数组和所述光纤故障距离组计算出标准故障距离，利用所述标准故障距离对所述链路资料图进行故障定位标注。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用装置。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置实施例中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种针对光纤链路的故障定位方法，其特征在于，所述方法包括：
利用光时域反射仪对待测光纤链路进行多级光纤检测以及回波基准除噪，得到除噪信号回波数据组；
对所述除噪信号回波数据组进行多维空间重构以及注意力时频分析，得到回波时频特征组；
对所述回波时频特征组进行特征故障定位，得到光纤故障距离组；
获取所述待测光纤链路的链路资料图，对所述链路资料图进行线路识别以及布局分析，得到光纤布局参数组；
根据所述光纤布局参数组和所述光纤故障距离组计算出标准故障距离，利用所述标准故障距离对所述链路资料图进行故障定位标注。
2.如权利要求1所述的针对光纤链路的故障定位方法，其特征在于，所述利用光时域反射仪对待测光纤链路进行多级光纤检测以及回波基准除噪，得到除噪信号回波数据组，包括：
利用光时域反射仪对待测光纤链路进行多级光纤检测，得到初级信号回波数据组；
利用如下的回波校正算法对所述初级信号回波数据组进行基线背景补偿，得到补偿信号回波数据组：
其中，y是所述补偿信号回波数据组中的补偿信号回波数据在时间为x时的光强度，是所述初级信号回波数据组中的初级信号回波数据在时间为x时的光强度，x是指横轴的时间，d是所述初级信号回波数据组中的初级信号回波数据的直流分量，am是所述所述初级信号回波数据组中的初级信号回波数据在m倍频率时的余弦波分量，m为频率倍数，cos()为余弦函数，bm是所述所述初级信号回波数据组中的初级信号回波数据在m倍频率时的正弦波分量，sin()为正弦函数；
利用如下的二阶回波滤波算法计算出所述补偿信号回波数据组对应的二阶回波噪声数据组：
其中，B(x,y)是指所述补偿信号回波数据组中坐标为(x,y)的补偿信号回波数据的二阶回波噪声数据，x是指横轴的时间，y是指纵轴的光强度，π是圆周率，σ是预设的标准差，k是预设的滤波范围参数，e是欧拉数；
根据所述二阶回波噪声数据组对所述补偿信号回波数据组进行阈值除噪以及信号拟合，得到除噪信号回波数据组。
3.如权利要求1所述的针对光纤链路的故障定位方法，其特征在于，所述对所述除噪信号回波数据组进行多维空间重构以及注意力时频分析，得到回波时频特征组，包括：
逐个选取所述除噪信号回波数据组中的除噪信号回波数据作为目标回波数据，对所述目标回波数据进行延时嵌入操作，得到目标回波延时特征集；
对所述目标回波延时特征集进行高维空间映射，得到目标回波相空间；
对所述目标回波相空间进行非线性信号投影，得到重构回波信号数据；
对所述重构回波信号数据进行注意力加权，得到注意力回波信号数据；
对所述注意力回波信号数据进行时频信号分析，得到回波时频特征；
将所述除噪信号回波数据组中所有目标回波数据的回波时频特征汇集成回波时频特征组。
4.如权利要求3所述的针对光纤链路的故障定位方法，其特征在于，所述对所述重构回波信号数据进行注意力加权，得到注意力回波信号数据，包括：
对所述重构回波信号数据进行位置编码，得到回波信号编码；
利用自注意力机制对所述回波信号编码进行注意力分析，得到信号注意力权重；
利用所述信号注意力权重对所述重构回波信号数据进行归一化特征加权，得到注意力回波信号数据。
5.如权利要求3所述的针对光纤链路的故障定位方法，其特征在于，所述对所述注意力回波信号数据进行时频信号分析，得到回波时频特征，包括：
对所述注意力回波信号数据进行峰值检测分析，得到回波峰值特征；
对所述注意力回波信号数据进行脉冲宽度分析，得到回波脉冲特征；
根据所述回波峰值特征和所述回波脉冲特征生成回波时域特征；
对所述注意力回波信号数据进行频域变换，得到回波频域信号；
对所述回波频域信号进行频谱分析，得到回波频域特征；
根据所述回波时域特征和所述回波频域特征生成回波时频特征。
6.如权利要求1所述的针对光纤链路的故障定位方法，其特征在于，所述对所述回波时频特征组进行特征故障定位，得到光纤故障距离组，包括：
逐个选取所述回波时频特征组中的回波时频特征作为目标时频特征，对所述目标时频特征进行高斯径向基特征映射，得到目标时频特征空间；
对所述目标时频特征空间进行超平面回归加权运算，得到目标故障特征；
对所述目标故障特征进行反变换操作，得到标准故障距离特征；
对所述标准故障距离特征进行多级残差映射，得到光纤故障距离；
将所述回波时频特征组中所有目标时频特征的光纤故障距离汇集成光纤故障距离组。
7.如权利要求1所述的针对光纤链路的故障定位方法，其特征在于，所述对所述链路资料图进行线路识别以及布局分析，得到光纤布局参数组，包括：
对所述链路资料图进行光缆边缘检测，得到目标光纤线路；
对所述目标光纤线路进行曲率拟合，得到弯曲率；
根据所述目标光纤线路对所述链路资料图进行文本目标识别，得到目标光纤数据；
对所述目标光纤数据进行布局关键词检索，得到留盘长度、尾纤长度、纤长以及缆长；
利用所述纤长对所述缆长进行差除运算，得到绞缩率；
将所述留盘长度、所述尾纤长度、所述弯曲率以及所述绞缩率汇集成光纤布局参数组。
8.如权利要求1所述的针对光纤链路的故障定位方法，其特征在于，所述根据所述光纤布局参数组和所述光纤故障距离组计算出标准故障距离，包括：
利用如下的光纤距离校准算法根据所述光纤布局参数组对所述光纤故障距离组进行距离校准，得到标准故障距离：
其中，S是指所述标准故障距离，N是指所述光纤故障距离组的元素总个数，n是指序号，Gn是指所述光纤故障距离组中第n个光纤故障距离，W1是指所述光纤布局参数组中的尾纤长度，J是指所述光纤布局参数组中的绞缩率，W2是指所述光纤布局参数组中的留盘长度，w是指所述光纤布局参数组中的弯曲率。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至8中任意一项所述的针对光纤链路的故障定位方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8中任意一项所述的针对光纤链路的故障定位方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410504542.6A CN118199719A (zh) | 2024-04-25 | 2024-04-25 | 针对光纤链路的故障定位方法、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410504542.6A CN118199719A (zh) | 2024-04-25 | 2024-04-25 | 针对光纤链路的故障定位方法、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118199719A true CN118199719A (zh) | 2024-06-14 |
Family
ID=91408646
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410504542.6A Pending CN118199719A (zh) | 2024-04-25 | 2024-04-25 | 针对光纤链路的故障定位方法、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118199719A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9143236B1 (en) * | 2011-08-08 | 2015-09-22 | Optical Zonu Corporation | Fiber fault detection within data transceiver having micro OTDR (μOTDR) for fiber optic network |
| CN110492930A (zh) * | 2019-08-15 | 2019-11-22 | 深圳市矽赫科技有限公司 | 一种光纤故障点测量方法、装置、系统和存储介质 |
| US20200374026A1 (en) * | 2019-05-26 | 2020-11-26 | Taiyuan University Of Technology | Device and method for monitoring two-stage faults of tdm-pon with high precision |
| US20230052962A1 (en) * | 2020-04-29 | 2023-02-16 | Huawei Technologies Co., Ltd. | Fault locating method, apparatus, and system |
| CN116015440A (zh) * | 2022-12-09 | 2023-04-25 | 高勘(广州)技术有限公司 | 光纤故障点定位方法、装置、光缆声呐仪和存储介质 |
| CN116996117A (zh) * | 2023-08-02 | 2023-11-03 | 武汉迅稳佳科技有限公司 | 一种适用于通信光缆的线路故障检测方法以及装置 |
-
2024
- 2024-04-25 CN CN202410504542.6A patent/CN118199719A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9143236B1 (en) * | 2011-08-08 | 2015-09-22 | Optical Zonu Corporation | Fiber fault detection within data transceiver having micro OTDR (μOTDR) for fiber optic network |
| US20200374026A1 (en) * | 2019-05-26 | 2020-11-26 | Taiyuan University Of Technology | Device and method for monitoring two-stage faults of tdm-pon with high precision |
| CN110492930A (zh) * | 2019-08-15 | 2019-11-22 | 深圳市矽赫科技有限公司 | 一种光纤故障点测量方法、装置、系统和存储介质 |
| US20230052962A1 (en) * | 2020-04-29 | 2023-02-16 | Huawei Technologies Co., Ltd. | Fault locating method, apparatus, and system |
| CN116015440A (zh) * | 2022-12-09 | 2023-04-25 | 高勘(广州)技术有限公司 | 光纤故障点定位方法、装置、光缆声呐仪和存储介质 |
| CN116996117A (zh) * | 2023-08-02 | 2023-11-03 | 武汉迅稳佳科技有限公司 | 一种适用于通信光缆的线路故障检测方法以及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108593260B (zh) | 光缆线路故障定位和检测方法及终端设备 | |
| CN110019782A (zh) | 用于输出文本类别的方法和装置 | |
| CN112051030B (zh) | 重复otdr测量检测 | |
| CN109669853A (zh) | 测试报告生成方法及装置、存储介质、电子终端 | |
| CN113489534A (zh) | 光缆异常检测方法及装置 | |
| CN113259216B (zh) | 一种can总线信号解析方法及系统 | |
| CN105447444B (zh) | 一种基于差分窗和模板匹配的otdr事件分析算法 | |
| CN107507330B (zh) | 纸币厚度异常的检测方法、检测装置及终端设备 | |
| CN115238740A (zh) | 一种基于时频分布和深度学习的故障诊断方法及装置 | |
| CN110362481A (zh) | 自动测试方法及终端设备 | |
| CN109145752A (zh) | 用于评估对象检测和跟踪算法的方法、装置、设备和介质 | |
| CN118199719A (zh) | 针对光纤链路的故障定位方法、设备及介质 | |
| CN114611394A (zh) | 针对不稳定周期性行为的时间序列的异常检测方法、系统 | |
| CN109271954B (zh) | 用于检测模型可靠性的方法及装置 | |
| US11593245B2 (en) | System, device and method for frozen period detection in sensor datasets | |
| CN116070934A (zh) | 指标故障原因的确定方法和装置 | |
| CN110298690B (zh) | 对象类目的周期判断方法、装置、服务器及可读存储介质 | |
| CN116015432A (zh) | 基于光感和遥感的光缆监控方法、装置、设备及存储介质 | |
| CN114461499A (zh) | 异常信息检测模型的构建方法和灰度环境异常检测方法 | |
| CN108876393B (zh) | 判断用户风险程度的方法、装置 | |
| CN118734919B (zh) | 一种图分类测试模型数据集测试方法、终端及存储介质 | |
| CN118569685B (zh) | 一种基于港口大数据的生产成本核算方法 | |
| CN114331734B (zh) | 产品购买的风险评估方法、装置、设备及存储介质 | |
| CN116010792A (zh) | 一种测试模型鲁棒性的方法和装置 | |
| CN118940182A (zh) | 电力线通信用电量数据异常识别方法、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 |