JP2017108220A - データ収集装置及び光伝送システム - Google Patents

データ収集装置及び光伝送システム Download PDF

Info

Publication number
JP2017108220A
JP2017108220A JP2015238823A JP2015238823A JP2017108220A JP 2017108220 A JP2017108220 A JP 2017108220A JP 2015238823 A JP2015238823 A JP 2015238823A JP 2015238823 A JP2015238823 A JP 2015238823A JP 2017108220 A JP2017108220 A JP 2017108220A
Authority
JP
Japan
Prior art keywords
data
unit
output
feature amount
data collection
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
Application number
JP2015238823A
Other languages
English (en)
Other versions
JP6657885B2 (ja
Inventor
崇仁 谷村
Takahito Tanimura
崇仁 谷村
剛司 星田
Goji Hoshida
剛司 星田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to JP2015238823A priority Critical patent/JP6657885B2/ja
Priority to US15/367,589 priority patent/US10853719B2/en
Publication of JP2017108220A publication Critical patent/JP2017108220A/ja
Application granted granted Critical
Publication of JP6657885B2 publication Critical patent/JP6657885B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • H04B10/0773—Network aspects, e.g. central monitoring of transmission parameters
    • 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
    • H04B10/079—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems using an in-service signal using measurements of the data signal
    • H04B10/0793—Network aspects, e.g. central monitoring of transmission parameters
    • 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
    • H04B10/27—Arrangements for networking
    • 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
    • H04B10/50—Transmitters
    • 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
    • H04B10/60—Receivers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Optical Communication System (AREA)
  • Small-Scale Networks (AREA)

Abstract

【課題】光ネットワークの終端端末で収集されるデータの量をその主たる情報を失わないよう削減する。
【解決手段】データ収集装置１１２内の収集データ縮減部１２１は、光データ収集部１２０が収集したデータを、その収集データを伝送してきた光信号に含まれる主たる情報、例えば偏光状態等の非線形特性を失わないように縮減する。そして、収集データ縮減部１２１は、縮減された収集データに正常時と異なる疑いがある場合のみ、その縮減された出力信号を、収集データ送信部１２２を介して中央解析装置１３０に送信する。
【選択図】図１

Description

光ファイバネットワークにおけるデータ収集装置及び光伝送システムに関する。
光ファイバネットワークにおいて、各拠点に設置されたデータ収集装置によって収集されたデータを集積・解析することにより，運用時や新規機器導入時の異常検出の自動化・高速化が期待されている．
従来、光ファイバネットワークにおいては、受信機のパワーを管理装置に送り、管理装置が信号断などを分析する等の、比較的簡素なデータ収集装置と少量のデータを用いたネットワーク解析が行われてきた。
ネットワークの状況を解析する従来技術として、次のような技術が知られている（例えば特許文献１に記載の技術）。広帯域ＩＳＤＮの非同期転送モード交換機において、ＡＴＭ交換機の中央制御装置からのコマンドに応じてＡＴＭセルにテストデータを挿入し、テストデータ挿入後のテストセルをＡＴＭ交換機内のＡＴＭスイッチを経由して送出する。ＡＴＭスイッチとシンクロナスオプティカルネットワーク形式の伝送路との間のＡＴＭレーヤまたは加入者ターミナルアダプタから折り返されてくるテストデータのチェックを行うテストセル挿入・チェック手段を備える。これにより、ＡＴＭ交換機の動作中にオンラインで伝送路試験を行う。
また、次のような従来技術も知られている（例えば特許文献２に記載の技術）。複数の管理情報診断の結果を一つの代表管理情報に反映する機構を持った管理対象機器と、同機器との間で管理情報を送受することが可能なネットワーク管理用コンピュータとによりネットワークを構成する。これにより、通信負荷を低減させると共に、複数の管理情報を管理することを可能とすることでネットワーク管理の効率化を図る。
特開平４−１２７７４３号公報 特開平７−１２９４８２号公報
近年、光ファイバネットワークにおける、例えばネットワーク上の非線形特性状態などの物理特性を含む、より詳細なネットワーク解析が求められている。このため、受信機のパワー等の解析だけでは不十分であり、詳細なネットワーク解析のためには、各拠点に設置されたデジタルコヒーレントレシーバが収集する光電磁場の生データを収集する必要がある。
しかしながら、１台のデジタルコヒーレントレシーバが収集するデータは毎秒１００ギガバイトから数テラバイトにのぼり、１つのノードには数百台のレシーバが接続される場合もある。このような収集データの総容量は、１つのノードが提供する通信容量を上回ってしまう。このため、各ノードの各レシーバの全データを、リアルタイムに近い状態で遠隔地の中央解析装置に送信することは、前述の従来技術をもってしても困難であった。
そこで、本発明の１つの側面では、光ネットワークの終端装置で収集されるデータの量をその主たる情報を失わないよう削減することを目的とする。
態様の一例では、光通信ネットワークのノードに設定され、信号光を受信する受信部と、受信した信号光を電気信号に変換する光電気変換部と、電気信号をデジタル信号に変換するアナログデジタル変換部と、アナログデジタル変換部の出力信号を縮減する収集データ縮減部と、収集データ縮減部からの縮減した出力信号を、自装置を管理する管理装置に送信する送信部と、を備える。
光ネットワークの終端装置で収集されるデータの量をその主たる情報を失わないよう削減することが可能となる。
光伝送システムの実施形態の構成例を示す図である。 光伝送システムの実施形態における全体動作例を示すフローチャートである。 データ収集装置（収集機能付きデジタルコヒーレントレシーバ）のブロック図の例を示す図である。 特徴量抽出部のブロック図の例を示す図である。 多入力１出力ユニットの構成例を示す図である。 データ収集装置のハードウェア構成例を示すブロック図である。 データ収集装置の処理例を示すフローチャートである。 中央解析装置のブロック図の例を示す図である。
以下、本発明を実施するための形態について図面を参照しながら詳細に説明する。図１は、光伝送システム１００の実施形態の構成例を示す図である。光伝送システム１００は、光ファイバネットワーク１０１と管理装置１０２とから構成される。光ファイバネットワーク１０１においては、複数のＯＸＣ（光クロスコネクト装置）１１０が光ファイバによって相互に接続される。ＯＸＣ１１０は、データ伝送のための光通信路を自由に設定すること（スイッチング）ができる装置である。ＯＸＣ１１０は、用途や伝送速度ごとに形式の異なるデータ伝送経路が存在していた場合であっても、データ信号を別の経路に出力できる。ＯＸＣ１１０における変換方式には、内部で電気的な信号に変換してから別な光信号に変換し直す方式、又は光信号のままで光の形式を変換する方式等がある。
ＯＸＣ１１０には、複数のデジタルコヒーレントトランシーバ１１１が接続される。デジタルコヒーレントトランシーバ１１１は、光信号から電気信号への変換（デジタルコヒーレントレシーバ）の動作と、電気信号から光信号への変換（デジタルコヒーレントトランスミッタ）の動作を行う。また、ＯＸＣ１１０には、デジタルコヒーレントトランシーバ１１１に属する特別な装置として、データ収集装置１１２が１台以上接続される。１台のＯＸＣ１１０と、それに接続されるデジタルコヒーレントトランシーバ１１１及びデータ収集装置１１２は、１つのノードを形成する。
データ収集装置１１２は、光データ収集部１２０と、収集データ縮減部１２１と、収集データ送信部１２２と、アクティブスキャン結果収集部１２３とを備える。
光データ収集部１２０は、ＯＸＣ１１０に接続される光ファイバから伝送されてくる光信号を受信して、データ（以下「収集データ」）を収集する。
収集データ縮減部１２１は、収集データを、その収集データを伝送してきた光信号に含まれる主たる情報、例えば偏光状態等の非線形特性を失わないように縮減する。そして、収集データ縮減部１２１は、縮減された収集データを正常時のデータと比較をし、縮減された収集データが十分に正常に近いと判断される場合はそのデータを破棄する。一方，収集データ縮減部１２１は、縮減された収集データに正常時と異なる疑いがある場合は縮減により得られる縮減済みデータ１４２を出力信号として出力する。収集データ縮減部１２１における縮減動作の特性及び正常時のデータは、管理装置１０２内の中央解析装置１３０から、抽出特徴量指定命令１４４及び正常時特徴量１４６として指定される。
アクティブスキャン結果収集部１２３は、光データ収集部１２０が管理装置１０２からのアクティブスキャン状態通知１４１に基づいて収集データがアクティブスキャンデータであると判定した場合に動作する。アクティブスキャン結果収集部１２３は、光データ収集部１２０が収集したアクティブスキャンデータを、それが表す主たる情報を失わないように縮減し、その結果得られる詳細スキャンデータ１４３を出力信号として出力する。このときの縮減動作の特性は、管理装置１０２内の中央解析装置１３０から、抽出特徴量指定命令１４５として指定される。
収集データ送信部１２２は、収集データ縮減部１２１が出力した縮減済みデータ１４２又は詳細スキャンデータ１４３を、管理装置１０２内の中央解析装置１３０に送信する。
光ファイバネットワーク１０１には、１台以上の基準送受信器１１３が含まれる。基準送受信器１１３は、管理装置１０２において１つのノードで問題が発生していそうだということが検出された場合に、管理装置１０２からのアクティブスキャン開始・停止通知１４０に基づいて、アクティブスキャンを実施する。より具体的には、基準送受信器１１３は、アクティブスキャン開始・停止通知１４０に基づいて、異常が発生しているであろうノードを通過するような経路で、特定のパターンのアクティブスキャンデータを送信し、戻ってきたアクティブスキャンデータを受信する。これにより、通常は伝送されるデータは静止画像、動画像など様々なデータで何が伝送されているかわからないが、アクティブスキャンにより、或る特定のパターンのアクティブスキャンデータを送れるので、その特定のパターンがデータ収集装置１１２において正常に受信されたか否かを判定することができる。アクティブスキャンデータのパターンは、例えば水平偏光のみの光信号パターン、垂直偏光のみの光信号パターンである。これらの光信号パターンにより、偏光に依存する異常を検出することができる。その他、様々な光信号パターンを指定できる。
管理装置１０２は、中央解析装置１３０、アクティブスキャン制御装置１３１、ユーザ向けインタフェース装置１３２、ネットワーク制御装置１３３、及び記憶装置としてのネットワーク構成情報１３４を備える。管理装置１０２は、これらの装置が単一のサーバコンピュータ上に実装され、又は複数のサーバコンピュータ上に分散して実装されて相互にネットワークを介して通信する構成を有する。
ユーザ向けインタフェース装置１３２は、管理者による解析オプション１３５の入力を受け付けて中央解析装置１３０に出力する。また、中央解析装置１３０からの解析結果・警告・アクション提案１３６を入力して、管理者に表示する。
中央解析装置１３０は、ネットワーク構成情報１３４に従って認識する光ファイバネットワーク１０１上の複数のデータ収集装置１１２に対して、抽出特徴量指定命令１４４、１４５と、正常時特徴量１４６を送信する。抽出特徴量指定命令１４４は、データ収集装置１１２内の収集データ縮減部１２１における縮減動作の特性を指定する。抽出特徴量指定命令１４５は、データ収集装置１１２内のアクティブスキャン結果収集部１２３における縮減動作の特性を指定する。正常時特徴量１４６は、データ収集装置１１２内の収集データ縮減部１２１における正常判断のために使用される。これに対して、中央解析装置１３０は、上記複数のデータ収集装置１１２から、収集データとしての縮減済みデータ１４２または詳細スキャンデータ１４３を受信する。
中央解析装置１３０は、収集したデータに対して、ユーザ向けインタフェース装置１３２から指定された解析オプション１３５に従って多次元データ解析を実行する。
中央解析装置１３０は必要に応じて、光ファイバネットワーク１０１内の各データ収集装置１１２に対して再度、抽出特徴量指定命令１４４、１４５、及び正常時特徴量１４６を指定する。
中央解析装置１３０は必要に応じて、アクティブスキャン制御装置１３１に、光ファイバネットワーク１０１内の基準送受信器１１３に対してアクティブスキャン開始・停止通知１４０を送信させ、基準送受信器１１３にアクティブスキャンを実行させる。
中央解析装置１３０は、上記多次元データ解析の結果に基づいて、解析の結果、問題発生の警告、又は次に実行すべきアクションの提示（以下、「解析結果・警告・アクション提案１３６」と呼ぶ）をユーザ向けインタフェース装置１３２に出力する。
中央解析装置１３０は、上記多次元データ解析の結果に基づいて、光ファイバネットワーク１０１の構成の変更等が必要になった場合に、ネットワーク制御装置１３３を介して、光ファイバネットワーク１０１上の各ＯＸＣ１１０を制御する。これにより、障害の発生したＯＸＣ１１０の切離しや、迂回経路の設定等が行われる。
図２は、図１の構成を有する光伝送システム１００の実施形態における全体動作例を示すフローチャートである。
まず、光ファイバネットワーク１０１内の各データ収集装置１１２は、中央解析装置１３０から指定されている抽出特徴量指定命令１４４に基づいて、収集データに対する縮減動作を実行する。そして、データ収集装置１１２は、第１段階の判別として、収集データの縮減の結果得られる出力特徴量データを、中央解析装置１３０から指定されている正常時特徴量１４６と比較することにより、正常又は異常を判別する。データ収集装置１１２は、異常の疑いがある場合に、上位装置例えば中央解析装置１３０に、収集データの縮減の結果得られる出力特徴量データを、縮減済みデータ１４２として送信する（以上、図２のステップＳ２０１）。なお、縮減済みデータ１４２は、データ収集装置１１２から中央解析装置１３０に直接送信されるだけではなく、いくつかのデータ収集装置１１２、特には図示しない中継装置、又は特には図示しない多段階の中央解析装置を経由して送信されてもよい。
中央解析装置１３０は、第２段階判別として、光ファイバネットワーク１０１内の複数のデータ収集装置１１２から送られてくる縮減済みデータ１４２を統合し、その統合されたデータに対する多次元データ解析により、異常の判別を行う。この結果、中央解析装置１３０は、十分な精度の異常判別結果を得られれば、ユーザ向けインタフェース装置１３２に解析結果・警告・アクション提案１３６を出力する。一方、中央解析装置１３０は、十分な精度の異常判別結果を得られなければ、第３段階の判別処理に移行する（以上、図２のステップＳ２０２）。
中央解析装置１３０は、第３段階判別として、各データ収集装置１１２に対して新たな抽出特徴量指定命令１４４及び正常時特徴量１４６を送信する。これにより、中央解析装置１３０は、判別したい事象をよく表す特徴量を抽出するように、各データ収集装置１１２内の後述する特徴量抽出部の再構成を指示する（以上、図２のステップＳ２０３）。
この結果、中央解析装置１３０は、再び各データ収集装置１１２から縮減済みデータ１４２を受信して解析を行う（図２のステップＳ２０３→Ｓ２０１及びＳ２０２の繰返し処理）。
上記繰返し処理の結果、さらに詳細なデータが必要な場合、中央解析装置１３０は、アクティブスキャン制御装置１３１を介して、光ファイバネットワーク１０１内の基準送受信器１１３にアクティブスキャン開始・停止通知１４０を送信する。これにより、基準送受信器１１３は、アクティブスキャンを実施する。基準送受信器１１３は、アクティブスキャン開始・停止通知１４０に基づいて、異常が発生しているであろうノードを通過するような経路で、特定のパターンのアクティブスキャンデータを送信し、戻ってきたアクティブスキャンデータを受信する。この結果、中央解析装置１３０は、第Ｎ段階判別として、上記経路上のデータ収集装置１１２から詳細スキャンデータ１４３を取得し、多次元データ解析により異常の判別を行う（以上、図２のステップＳ２０４）。中央解析装置１３０は、その判別結果を、解析結果・警告・アクション提案１３６として、ユーザ向けインタフェース装置１３２に出力する。
以上のようにして、本実施形態では、中央解析装置１３０が、光ファイバネットワーク１０１内の各データ収集装置１１２に対して、段階に応じて適切な縮減動作の特性を指定する。これにより、光ファイバネットワーク１０１の終端端末であるデータ収集装置１１２で収集されるデータの量を、その主たる情報、例えば光ファイバの非線形特性を失わないよう削減することが可能となる。
図３は、図１のデータ収集装置１１２のブロック図の例を示す図である。データ収集装置１１２は、図１のデジタルコヒーレントトランシーバ１１１の特別な場合であり、収集機能付きデジタルコヒーレントレシーバとして動作する。データ収集装置１１２は、図１に示したように、光データ収集部１２０、収集データ縮減部１２１、アクティブスキャン結果収集部１２３、及び収集データ送信部１２２を備え、また、切替部３００を備える。
光データ収集部１２０は、デジタルコヒーレントレシーバとして動作する。光データ収集部１２０は、光ハイブリッド部３０１、局発光源３０２、ＰＤ群３０３、ＡＤＣ群３０４、ＤＳＰ３０５、及び間欠サンプリング部３０６を備える。
光ハイブリッド部３０１は、図１のＯＸＣ１１０に接続される光ファイバから入光する光信号３０７を、局発光源３０２と干渉させることにより、振幅成分と位相成分をそれぞれ２偏光ずつ、合計４つの偏光に分離する。
ＰＤ群３０３は、光ハイブリッド部３０１が出力する４つの偏光をそれぞれ入光し、それぞれアナログ電気信号に変換して出力する４つのＰＤ（フォトダイオード）からなる。
ＡＤＣ群３０４は、ＰＤ群３０３内の各ＰＤからそれぞれ出力されるアナログ電気信号を入力し、それぞれデジタル信号に変換して出力する４つのＡＤＣ（アナログ／デジタル変換器）からなる。
ＤＳＰ３０５は、デジタルシグナルプロセッサであり、ＡＤＣ群３０４中の各ＡＤＣからそれぞれ出力されるデジタル信号を入力し、それらのデジタル信号に対して復調処理を実行することにより、復調されたデジタル信号である復調データ３０８を出力する。
間欠サンプリング部３０６は、ＡＤＣ群３０４中の各ＡＤＣからそれぞれ出力されるデジタル信号を所定のサンプリング周期で間欠的にサンプリングすることにより、収集データを出力する。
切替部３００は、光データ収集部１２０内の間欠サンプリング部３０６から出力される収集データを、収集データ縮減部１２１とアクティブスキャン結果収集部１２３に振り分ける。切替部３００は、図１において、中央解析装置１３０がアクティブスキャン制御装置１３１を介して基準送受信器１１３に対してアクティブスキャンを実施させる場合に、アクティブスキャンのオンを示すアクティブスキャン状態通知１４１を出力する。切替部３００は、上記アクティブスキャン状態通知１４１がアクティブスキャンのオンを示している場合には、間欠サンプリング部３０６から出力される収集データを、アクティブスキャン結果収集部１２３に入力させる。切替部３００は、上記アクティブスキャン状態通知１４１がアクティブスキャンのオンを示していない場合には、間欠サンプリング部３０６から出力される収集データを、収集データ縮減部１２１に入力させる。
収集データ縮減部１２１は、特徴量抽出部３１０、比較部３１１、及び送信可否制御部３１２を備える。
特徴量抽出部３１０は、光データ収集部１２０から切替部３００を介して入力する収集データを縮減することにより、光信号３０７に含まれる主たる情報、例えば偏光状態等の非線形特性を示す出力特徴量データを出力する。特徴量抽出部３１０における縮減動作の特性は、図１の管理装置１０２内の中央解析装置１３０から、抽出特徴量指定命令１４４として指定される。
比較部３１１は、特徴量抽出部３１０が出力する出力特徴量データを、図１の管理装置１０２内の中央解析装置１３０から正常時特徴量１４６として与えられる正常時の特徴量データと比較する。
送信可否制御部３１２は、比較部３１１が特徴量抽出部３１０が出力する出力特徴量データが正常であると判断した場合には、特徴量抽出部３１０が出力する出力特徴量データを破棄する。一方、送信可否制御部３１２は、比較部３１１が特徴量抽出部３１０が出力する出力特徴量データが異常であると判断した場合には、特徴量抽出部３１０が出力する出力特徴量データを、縮減済みデータ１４２（出力信号）として収集データ送信部１２２に出力する。
アクティブスキャン結果収集部１２３は、規定パターン部取出し部３２０と、特徴量抽出部３２１を備える。
規定パターン部取出し部３２０は、光データ収集部１２０から切替部３００を介して入力する収集データから、規定パターンが格納された規定パターン区域を取り出す。特徴量抽出部３２１は、規定パターン部取出し部３２０が出力する規定パターン区域のデータを入力して縮減することにより、図１の基準送受信器１１３が出力するアクティブスキャンの光信号パターンの特徴を示す出力特徴量データを出力する。そして、その出力特徴量データを詳細スキャンデータ１４３として収集データ送信部１２２に出力する。
収集データ送信部１２２は、収集データ縮減部１２１が出力する縮減済みデータ１４２、又はアクティブスキャン結果収集部１２３が出力する詳細スキャンデータ１４３を、図１の管理装置１０２内の中央解析装置１３０に向けて送信する。
図４は、図３の特徴量抽出部３１０又は３２１のブロック図の例を示す図である。図４において、特徴量抽出部３１０、３２１は、データ入力層４０１、＃１から＃ＫのＫ個の隠れ層４０２、及び出力層４０３が縦属に接続された構成を有し、これらの各層はそれぞれ、図中「○」印で示される複数の多入力１出力ユニット４００を備える。
データ入力層４０１のＮ＿ｉｎ個の多入力１出力ユニット４００にはそれぞれ、Ｎ＿ｉｎ個のデータ群からなるＮ＿ｉｎ次元データ入力の各データが入力する。図３の特徴量抽出部３１０においては、間欠サンプリング部３０６から切替部３００を介して、Ｎ＿ｉｎ個の収集データが入力する。図３の特徴量抽出部３２１においては、規定パターン部取出し部３２０から、Ｎ＿ｉｎ個の規定パターンのデータ部分が入力する。データ入力層４０１のＮ＿ｉｎ個の多入力１出力ユニット４００はそれぞれ、所定の活性化関数、例えばシグモイド関数、ＲｅＬＵ関数、Ｍａｘｏｕｔ関数などの既知の関数の演算によって、入力値に対する出力値を演算し出力する。
データ入力層４０１内の各多入力１出力ユニット４００の出力は、次段の第１隠れ層４０２（＃１）内のＮ＿１個の多入力１出力ユニット４００のそれぞれに入力する。第１隠れ層４０２（＃１）内の各多入力１出力ユニット４００は、データ入力層４０１内の各多入力１出力ユニット４００の出力にそれぞれ結合重み係数を乗算し、各乗算結果を加算する。第１隠れ層４０２（＃１）内の各多入力１出力ユニット４００はさらに、その加算結果値を入力値として、前述の所定の活性化関数を演算し、出力値を出力する。
第１隠れ層４０２（＃１）内の各多入力１出力ユニット４００の出力は、次段の第２隠れ層４０２（＃２）内のＮ＿２個の多入力１出力ユニット４００のそれぞれに入力する。第２隠れ層４０２（＃２）内の各多入力１出力ユニット４００は、第１隠れ層４０２（＃１）内の各多入力１出力ユニット４００の出力にそれぞれ結合重み係数を乗算し、各乗算結果を加算する。第２隠れ層４０２（＃２）内の各多入力１出力ユニット４００はさらに、その加算結果値を入力値として、前述の所定の活性化関数を演算し、出力値を出力する。
以下同様に、２≦ｉ≦Ｋとして、第ｉ−１隠れ層４０２（＃ｉ−１）内の各多入力１出力ユニット４００の出力は、次段の第ｉ隠れ層４０２（＃ｉ）内のＮ＿ｉ個の多入力１出力ユニット４００のそれぞれに入力する。第ｉ隠れ層４０２（＃ｉ）内の各多入力１出力ユニット４００は、第ｉ−１隠れ層４０２（＃ｉ−１）内の各多入力１出力ユニット４００の出力にそれぞれ結合重み係数を乗算し、各乗算結果を加算する。第ｉ隠れ層４０２（＃ｉ）内の各多入力１出力ユニット４００はさらに、その加算結果値を入力値として、前述の所定の活性化関数を演算し、出力値を出力する。
最後の第Ｋ隠れ層４０２（＃Ｋ）内の各多入力１出力ユニット４００の出力は、次段の出力層４０３内のＮ＿ｏｕｔ個の多入力１出力ユニット４００のそれぞれに入力する。出力層４０３内の各多入力１出力ユニット４００は、第Ｋ隠れ層４０２（＃Ｋ）内の各多入力１出力ユニット４００の出力にそれぞれ結合重み係数を乗算し、各乗算結果を加算する。出力層４０３内の各多入力１出力ユニット４００はさらに、その加算結果値を入力値として、前述の所定の活性化関数を演算し、出力値を出力する。これらのＮ＿ｏｕｔ個の出力値は、それぞれを要素値とするＮ＿ｏｕｔ次元特徴量出力として出力される。
図５は、多入力１出力ユニット４００の構成例を示す図である。前段の層内の多入力１出力ユニット４００のユニット数をｎ個とし、その各出力値をｘ1 ，x2 ，・・・，xnとする。また、出力データｘ1 ，x2 ，・・・，xn に対して乗算される結合重み係数をｗ1 ，ｗ2 ，・・・，ｗn とする。さらに、固定値「１」に対して乗算される結合重み係数をｗ0 とする。これらを用いて、現在の層の対象となる多入力１出力ユニット４００の出力値ｙは、次式によって算出される。
Figure 2017108220
ここで、ｆ（）は、前述した所定の活性化関数演算を示す。本実施形態では、現在の層ｉ（１≦ｉ≦Ｋ、又はｉ＝ｏｕｔ）内のＮ＿ｉ個の多入力１出力ユニット４００のそれぞれの結合重み係数をｗ1 ，ｗ2 ，・・・，ｗn が、重みベクトルＷ＿ｉとして与えられる。これらの各層毎の重みベクトルＷ＿ｉは、図１の中央解析装置１３０から、抽出特徴量指定命令１４４又は１４５として与えられる。
図４及び図５に示したように、図３の特徴量抽出部３１０、３２１は、ニューラルネットワークの構成を有する。このとき、Ｎ＿ｉｎ＞Ｎ＿ｏｕｔとなるように設計され、Ｎ＿ｉ（１≦ｉ≦Ｋ）が適切なユニット数に設定される。その上で、図１の管理装置１０２内の中央解析装置１３０において、正常時及び異常時のそれぞれに対応するＮ＿ｉｎ次元データ入力とＮ＿ｏｕｔ次元特徴量出力の組の教師データを用いて、図４及び図５の構成における各結合重み係数が機械学習される。
ここで、特徴量抽出部３１０に対応するＮ＿ｉｎ次元データ入力としては、正常時及び異常時のそれぞれに対応するＮ＿ｉｎ個の収集データが用いられる。また、特徴量抽出部３２１に対応するＮ＿ｉｎ次元データ入力としては、正常時及び異常時のそれぞれに対応するＮ＿ｉｎ個のアクティブスキャンデータの光信号パターンが用いられる。これらの正常時及び異常時のデータは例えば、図１の光ファイバネットワーク１０１を模擬する伝送路シミュレータ装置を用いて生成される。
以上の機械学習により得られる特徴量抽出部３１０及び３２１のそれぞれに対応する結合重み係数の組が、抽出特徴量指定命令１４４又は１４５として、中央解析装置１３０からデータ収集装置１１２内の特徴量抽出部３１０又は３２１に与えられる。この結果、特徴量抽出部３１０は、正常時の収集データが入力したときには正常時の出力特徴量データを出力するように、また、異常時の収集データが入力したときには異常時の出力特徴量データを出力するように動作するようになる。同様に、特徴量抽出部３２１は、正常時と異常時とで明確に区別されたアクティブスキャンの出力特徴量データを出力するように動作するようになる。ここで、特徴量抽出部３１０又は３２１において、深層学習過程の次元削減処理として知られるように、入力データの次元数Ｎ＿ｉｎに対して出力特徴量データの次元数Ｎ＿ｏｕｔを大幅に小さくすることができる。これにより、ネットワーク解析のためのデータ収集において、第１段階のデータ削減を行うことが可能となる。
次に、図３の収集データ縮減部１２１で、比較部３１１が、特徴量抽出部３１０が出力する出力特徴量データを正常時特徴量１４６として与えられる正常時の特徴量データと比較することで、異常時の出力特徴量データのみを縮減済みデータ１４２として出力できる。これにより、第２段階のデータ削減を行うことが可能となる。連続的に入力している収集データのデータ量は膨大なため、前述した第１段階のデータ削減に加えて、第２段階のデータ削減を行うことにより、データ収集装置１１２から中央解析装置１３０に送信する解析用データのデータ量を大幅に削減することが可能となる。
なお、特徴量抽出部３２１が出力するアクティブスキャンの出力特徴量データについては、アクティブスキャンが特定の期間でしか実施されないため、その出力特徴量データを詳細スキャンデータ１４３としてそのまま中央解析装置１３０に送信して問題ない。
図６は、図１のデータ収集装置１１２のハードウェア構成例を示すブロック図である。データ収集装置１１２は、ＣＰＵ６０１、主記憶部６０２、外部記憶部６０３、制御用Ｉ／Ｏ部６０４、光Ｉ／Ｏ部６０５、光処理部６０６、高周波電気処理部６０７、ＦＰＧＡ部６０８、専用処理ＡＳＩＣ部６０９、及びデータ用高速Ｉ／Ｏ部６１０を備える。
光Ｉ／Ｏ部６０５は、光ファイバを終端する。
光処理部６０６は、図３の光データ収集部１２０の光ハイブリッド部３０１、局発光源３０２、及びＰＤ群３０３をハードウェアとして実装する。
専用処理ＡＳＩＣ部６０９は、図３のＡＤＣ群３０４及びＤＳＰ３０５をＡＳＩＣ（特定用途向け集積回路）のハードウェアとして実装する。専用処理ＡＳＩＣ部６０９は、４つのＡＤＣブロックにおいて、光処理部６０６内の４つのＰＤからそれぞれ出力されるアナログ電気信号を入力し、それぞれデジタル信号に変換する。そして、専用処理ＡＳＩＣ部６０９は、各ＡＤＣブロックからそれぞれ出力されるデジタル信号に対して復調処理を実行することにより、復調データ（図３の３０８に対応）を出力する。
この復調データは、データ用高速Ｉ／Ｏ部６１０を介して、外部の特には図示しないデータ処理装置に出力される。
ＦＰＧＡ部６０８は、図３の間欠サンプリング部３０６、切替部３００、収集データ縮減部１２１、及びアクティブスキャン結果収集部１２３を、フィールドプログラマブルアレイのハードウェアとして実装する。より具体的には、ＦＰＧＡ部６０８は、収集データ縮減部１２１及びアクティブスキャン結果収集部１２３内の特徴量抽出部３１０及び３２１を、共用される１つの特徴量抽出部のハードウェアとして実装する。また、ＦＰＧＡ部６０８は、収集データ縮減部１２１内の比較部３１１及び送信可否制御部３１２をハードウェアとして実装する。更に、ＦＰＧＡ部６０８は、アクティブスキャン結果収集部１２３内の規定パターン部取出し部３２０をハードウェアとして実装する。
高周波電気処理部６０７は、光処理部６０６、専用処理ＡＳＩＣ部６０９、ＦＰＧＡ部６０８、及び制御用Ｉ／Ｏ部６０４に、クロック信号等を供給する。
ＣＰＵ６０１、主記憶部６０２、外部記憶部６０３、及び制御用Ｉ／Ｏ部６０４は、バスによって相互に接続される。ＣＰＵ６０１は、主記憶部６０２にロードされている制御プログラムを実行することにより、制御用Ｉ／Ｏ部６０４を介して、専用処理ＡＳＩＣ部６０９及びＦＰＧＡ部６０８を制御する。外部記憶部６０３は、長期間保存すべき各種データ（ログデータ等）を記憶する。
図７は、図６のハードウェア構成を有するデータ収集装置１１２の処理例を示すフローチャートである。以下、随時図６の構成を参照しながら、説明を行う。
まず、ＣＰＵ６０１は、制御用Ｉ／Ｏ部６０４を介して、図１の中央解析装置１３０から、抽出特徴量指定命令１４４、１４５、正常時特徴量１４６、又はアクティブスキャン状態通知１４１等の制御データを受信したか否かを判定する（ステップＳ７０１）。
ステップＳ７０１の判定がＹＥＳならば、ＣＰＵ６０１は、制御用Ｉ／Ｏ部６０４を介してＦＰＧＡ部６０８に記憶されている、特徴量抽出部３１０、３２１用の結合重み係数のパラメータ、又は比較部３１１用の正常時の特徴量データのパラメータを更新する（ステップＳ７０２）。ステップＳ７０１の判定がＮＯならば、ステップＳ７０２の処理はスキップする。
次に、ＦＰＧＡ部６０８内に実装される間欠サンプリング部３０６（図３）が、収集データを取得する（ステップＳ７０３）。
次に、ＦＰＧＡ部６０８に実装される切替部３００（図３）が、アクティブスキャンデータの受信を指示されているか否かを判定する（ステップＳ７０４）。具体的には、切替部３００が、図１の中央解析装置１３０からＦＰＧＡ部６０８にアクティブスキャンのオンを示すアクティブスキャン状態通知１４１が設定されているか否かを判定する。
アクティブスキャンのオンを示すアクティブスキャン状態通知１４１が設定されていない（ステップＳ７０４の判定がＮＯである）場合には、以下の動作が実行される。
まず、ＦＰＧＡ部６０８に実装される図４のニューラルネットワークの構成を有する特徴量抽出部（図３の３１０、３２１に対応する共用構成）が、通常用のパラメータに切り替える（ステップＳ７０５）。即ち、特徴量抽出部が、その結合重み係数のパラメータを、ステップＳ７０２において抽出特徴量指定命令１４４によってＦＰＧＡ部６０８内に設定されている特徴量抽出部３１０（図３）用に切り替える。なお、既に切替え済みの場合は、ステップＳ７０５の処理はスキップしてよい。
続いて、ＦＰＧＡ部６０８内の上記特徴量抽出部（特徴量抽出部３１０に対応）が、ステップＳ７０３で取得された収集データを入力として、図４で説明した縮減動作を実行する（ステップＳ７０６）。
続いて、ＦＰＧＡ部６０８内に実装される比較部３１１が、ステップＳ７０６で特徴量抽出部から出力された出力特徴量データと正常時の特徴量データとの比較処理を実行する（ステップＳ７０７）。比較部３１１は、ステップＳ７０２においてＦＰＧＡ部６０８内に設定されている正常時特徴量１４６を、正常時の特徴量データとして使用する。
ＦＰＧＡ部６０８内に実装される送信可否制御部３１２は、ステップＳ７０７での比較処理の結果、異常が検出されたか否かを判定する（ステップＳ７０８）。
異常が検出されない（ステップＳ７０８の判定がＮＯ）ならば、送信可否制御部３１２は、ステップＳ７０６で特徴量抽出部から出力された出力特徴量データを破棄し、制御をステップＳ７０１に戻す。
異常が検出された（ステップＳ７０８の判定がＹＥＳ）ならば、送信可否制御部３１２は、ステップＳ７０６で特徴量抽出部から出力された出力特徴量データを、縮減済みデータ１４２（図３参照）として、制御用Ｉ／Ｏ部６０４を介して主記憶部６０２に出力する。なお、出力先は、主記憶部６０２ではなく、外部記憶部６０３であってもよい。
一方、ＦＰＧＡ部６０８内の切替部３００が、ＦＰＧＡ部６０８にアクティブスキャンのオンを示すアクティブスキャン状態通知１４１が設定されており、前述したステップＳ７０４の判定がＹＥＳの場合には、以下の動作が実行される。
まず、ＦＰＧＡ部６０８に実装される図４のニューラルネットワークの構成を有する特徴量抽出部（図３の３１０、３２１に対応する共用構成）が、アクティブスキャン用のパラメータに切り替える（ステップＳ７０９）。即ち、特徴量抽出部が、その結合重み係数のパラメータを、ステップＳ７０２において抽出特徴量指定命令１４５によってＦＰＧＡ部６０８内に設定されている特徴量抽出部３２１（図３）用に切り替える。なお、既に切替え済みの場合は、ステップＳ７０９の処理はスキップしてよい。
続いて、ＦＰＧＡ部６０８内に実装される規定パターン部取出し部３２０（図３）が、ステップＳ７０３で取得された収集データから、規定パターンのデータ部分（区域）を取り出す（ステップＳ７１０）。
そして、ＦＰＧＡ部６０８内の上記特徴量抽出部（特徴量抽出部３２１に対応）が、ステップＳ７１０で取り出された規定パターンのデータ部分を入力として、図４で説明した縮減動作を実行する（ステップＳ７１１）。特徴量抽出部は、縮減動作の結果得られる出力特徴量データを、詳細スキャンデータ１４３（図３参照）として、制御用Ｉ／Ｏ部６０４を介して主記憶部６０２に出力する。なお、出力先は、主記憶部６０２ではなく、外部記憶部６０３であってもよい。
ＣＰＵ６０１は、主記憶部６０２（又は外部記憶部６０３）に、縮減済みデータ１４２又は詳細スキャンデータ１４３が転送されると、それらを中央解析装置１３０に向けて送信する（ステップＳ７１２）。その後、ＣＰＵ６０１は、ステップＳ７０１の処理に戻る。
図８は、図１の中央解析装置１３０及びネットワーク構成情報１３４のブロック図の例を示す図である。中央解析装置１３０は、データ蓄積部８０１、多次元データ解析部８０２、正常時データベース８０３、伝送シミュレータ８０４、及びネットワーク構成情報データベース８０５を備える。
データ蓄積部８０１は、図１の光ファイバネットワーク１０１内のＮ個のデータ収集装置１１２から送信されてくる縮減済みデータ１４２又は詳細スキャンデータ１４３を蓄積する。
多次元データ解析部８０２は、データ蓄積部８０１に蓄積された縮減済みデータ１４２又は詳細スキャンデータ１４３に対して、図１のユーザ向けインタフェース装置１３２から指定された解析オプション１３５に従って、多次元データ解析処理を実行する。このとき、多次元データ解析部８０２は、正常時データデータベース８０３に蓄積されている正常時データを参照してネットワーク異常の判別を行う。また、多次元データ解析部８０２は、光ファイバネットワーク１０１を模擬する伝送シミュレータ８０４を介して入力される正常時データを参照してネットワーク異常の判別を行う。正常時データデータベース８０３に蓄積されている正常時データ又は伝送シミュレータ８０４が扱う正常時データと図１の光ファイバネットワーク１０１との対応関係は、ネットワーク構成情報データベース８０５を参照して決定される。
多次元データ解析部８０２は、多次元データ解析処理の解析結果、それに伴うネットワーク異常等の警告、及び次に実施すべきアクション等を示す解析結果・警告・アクション提案１３６を、図１のユーザ向けインタフェース装置１３２に出力し、管理者に表示させる。
多次元データ解析部８０２が実行する多次元データ解析処理の手法としては例えば、ＳＶＭ（サポートベクターマシン）、Ｋ−ｍｅａｎｓ法、ランダムフォレスト法などの、一般的な機械学習の手法を適用することができる。
以上説明した実施形態において、図３の特徴量抽出部３１０、３２１の具体的な構成としては、図４に示したデータ入力層４０１、隠れ層４０２、出力層４０３からなるニューラルネットワークの構成を示した。このほか、伝送されてきた光信号に含まれる主たる情報、例えば偏光状態等の非線形特性を失わないような縮減動作を実行する特徴量抽出部３１０、３２１の構成例として、次のような次元削減の手法が採用されてもよい。例えば、主成分分析（ＰＣＡ：Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ）や、独立成分分析（ＩＣＡ：Ｉｎｄｅｐｅｎｄｅｎｔ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ）である。
以上説明した実施形態では、１段階のデータ縮減、１つの中央解析装置１３０を例示したが，光ファイバネットワーク１０１中に中間的な中央解析装置群を配置し、複数段階のデータ縮減を行ってもよい。
１００ 光伝送システム
１０１ 光ファイバネットワーク網
１０２ 管理装置
１１０ ＯＸＣ（光クロスコネクト装置）
１１１ デジタルコヒーレントトランシーバ
１１２ データ収集装置
１１３ 基準送受信器
１２０ データ収集部
１２１ 収集データ縮減部
１２２ 収集データ送信部
１２３ アクティブスキャン結果収集部
１３０ 中央解析装置
１３１ アクティブスキャン制御装置
１３２ ユーザ向けインタフェース装置
１３３ ネットワーク制御装置
１３４ ネットワーク構成情報
１３５ 解析オプション
１３６ 解析結果・警告・アクション提案
１４０ アクティブスキャン開始・停止通知
１４１ アクティブスキャン状態通知
１４２ 縮減済みデータ
１４３ 詳細スキャンデータ
１４４、１４５ 抽出特徴量指定命令
１４６ 正常時特徴量
３００ 切替部
３０１ 光ハイブリッド部
３０２ 局発光源
３０３ ＰＤ群
３０４ ＡＤＣ群
３０５ ＤＳＰ
３０６ 間欠サンプリング部
３０７ 光信号
３０８ 復調データ
３１０、３２１ 再構築可能な特徴量抽出部
３１１ 比較部
３１２ 送信可否制御部
３２０ 規定パターン部取出し部
３３０ アクティブスキャンＯＮ／ＯＦＦ情報
３４０ 収集データ
４００ 多入力１出力ユニット
４０１ データ入力層
４０２ 隠れ層
４０３ 出力層
６０１ ＣＰＵ
６０２ 主記憶部
６０３ 外部記憶部
６０４ 制御用Ｉ／Ｏ部
６０５ 光Ｉ／Ｏ部
６０６ 光処理部
６０７ 高周波電気処理部
６０８ ＦＰＧＡ部
６０９ 専用処理ＡＳＩＣ部
６１０ データ用高速Ｉ／Ｏ部
８０１ データ蓄積部
８０２ 多次元データ解析部
８０３ 正常時データベース
８０４ 伝送シミュレータ
８０５ ネットワーク構成情報データベース

Claims (8)

  1. 光通信ネットワークのノードに設定され、
    信号光を受信する受信部と、
    受信した信号光を電気信号に変換する光電気変換部と、
    前記電気信号をデジタル信号に変換するアナログデジタル変換部と、
    アナログデジタル変換部の出力信号を縮減する収集データ縮減部と、
    前記収集データ縮減部からの縮減した出力信号を、自装置を管理する管理装置に送信する送信部と、
    を備えることを特徴とするデータ収集装置。
  2. 前記収集データ縮減部は、
    入力層のユニット数より出力数のユニット数が少なくかつ前記入力層と前記出力層との間に隠れ層を有する再構成可能な階層構成であって、前記各層間の結合重み係数の機械学習結果に基づいて、前記アナログデジタル変換部の出力信号を解析に必要となる出力特徴量データに写像する特徴量抽出部と、
    前記特徴量抽出部の前記出力特徴量データと正常時特徴量データとを比較する比較部と、
    前記比較部によって、前記出力特徴量データが正常に近いと判断される場合は前記特徴量出力データを破棄し、正常と異なる疑いがある場合には、前記管理装置に前記出力特徴量データを前記縮減した出力信号として前記送信部を介して送信する送信可否制御部とを有する、
    ことを特徴とする請求項１記載のデータ収集装置。
  3. 前記特徴量抽出部は、階層型ニューラルネットワークである、
    ことを特徴とする請求項２記載のデータ収集装置。
  4. 前記データ収集装置は、
    入力信号からアクティブスキャンのための規定パターンが格納された規定パターン区域を取り出す規定パターン部取出し部と、前記規定パターン部取出し部が出力した前記規定パターン区域のデータを縮減し、その結果得られる信号を前記縮減した出力信号として前記送信部を介して送信する第２の特徴量抽出部とを含むアクティブスキャン結果収集部と、
    前記管理装置からのアクティブスキャン状態通知に基づいて、前記アナログデジタル変換器の出力信号を前記データ収集縮減部に伝送するのかあるいは前記入力信号として前記規定パターン部取出し部に伝送するのかを切り替えする切替部と、
    をさらに含むことを特徴とする請求項１記載のデータ収集送装置。
  5. 前記第２の特徴量抽出部は、
    入力層のユニット数より出力数のユニット数が少なくかつ前記入力層と前記出力層との間に隠れ層を有する再構成可能な階層構成であって、前記各層間のアクティブスキャン用の結合重み係数の機械学習結果に基づいて、前記規定パターン区域のデータを解析に必要となるアクティブスキャン用の出力特徴量データに写像し、前記縮減した出力信号として出力すること、
    を特徴とする請求項２記載のデータ収集装置。
  6. 前記特徴量抽出部は、主成分分析法または独立成分分析法に基づいて、
    入力するデータを次元削減して前記出力特徴量データに写像すること、
    を特徴とする請求項２又は４記載のデータ収集装置。
  7. 請求項１乃至６の何れかに記載の複数の前記データ収集装置と、複数の前記データ収集装置から送信された少なくとも正常と異なる疑いがある前記特徴量データの異常状態を分析する管理装置とからなる光伝送システム。
  8. 前記管理装置は、複数の前記データ収集装置から受信した異常状態を含む出力特徴量データを格納するデータ蓄積部と、
    前記結合重み係数を求める機械学習機能を少なくとも有する多次元データ解析部とを含むこと、
    を特徴とする請求項７記載の光伝送システム。
JP2015238823A 2015-12-07 2015-12-07 データ収集装置及び光伝送システム Active JP6657885B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2015238823A JP6657885B2 (ja) 2015-12-07 2015-12-07 データ収集装置及び光伝送システム
US15/367,589 US10853719B2 (en) 2015-12-07 2016-12-02 Data collecting device and optical transmission system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2015238823A JP6657885B2 (ja) 2015-12-07 2015-12-07 データ収集装置及び光伝送システム

Publications (2)

Publication Number Publication Date
JP2017108220A true JP2017108220A (ja) 2017-06-15
JP6657885B2 JP6657885B2 (ja) 2020-03-04

Family

ID=58798401

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015238823A Active JP6657885B2 (ja) 2015-12-07 2015-12-07 データ収集装置及び光伝送システム

Country Status (2)

Country Link
US (1) US10853719B2 (ja)
JP (1) JP6657885B2 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020088402A (ja) * 2018-11-14 2020-06-04 富士通株式会社 通信装置、及び通信方法
JPWO2020255275A1 (ja) * 2019-06-19 2020-12-24
JPWO2021117163A1 (ja) * 2019-12-11 2021-06-17
JP7527294B2 (ja) 2020-01-31 2024-08-02 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 異常検知方法、及び異常検知装置

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6733395B2 (ja) * 2016-07-25 2020-07-29 富士通株式会社 光送信器、光受信器、および光伝送方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009512031A (ja) * 2005-10-13 2009-03-19 ナショナル・アイシーティ・オーストラリア・リミテッド 信号特性の自動識別を行うための方法および装置
JP2009198364A (ja) * 2008-02-22 2009-09-03 Fujitsu Ltd 光ファイバ伝送路の特性および光信号の品質をモニタするモニタ回路
JP2013191943A (ja) * 2012-03-13 2013-09-26 Fujitsu Telecom Networks Ltd 品質監視装置および伝送装置
JP2014241483A (ja) * 2013-06-11 2014-12-25 富士通株式会社 光位相補償装置、光受信器、ネットワークマネジメントシステム、および光位相補償方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04127743A (ja) 1990-09-19 1992-04-28 Fujitsu Ltd 広帯域ｉｓｄｎにおける伝送路試験方式
JPH07129482A (ja) 1993-10-29 1995-05-19 Kawasaki Steel Corp ネットワーク監視装置
US7088860B2 (en) * 2001-03-28 2006-08-08 Canon Kabushiki Kaisha Dynamically reconfigurable signal processing circuit, pattern recognition apparatus, and image processing apparatus
JP5088271B2 (ja) * 2008-08-19 2012-12-05 富士通株式会社 歪補償器、光受信装置およびそれらの制御方法並びに光伝送システム
JP5582039B2 (ja) * 2011-01-07 2014-09-03 富士通株式会社 光伝送装置およびアナログ−デジタル変換装置
US20150199105A1 (en) * 2014-01-10 2015-07-16 Silicon Graphics International, Corp. Automatic selection of center of rotation for graphical scenes
US20150281807A1 (en) * 2014-03-28 2015-10-01 Yang Pan Wireless Sensory and Data Transmission System
KR102249689B1 (ko) * 2014-06-24 2021-05-10 삼성전자 주식회사 전자장치, 무선신호 수신 방법 및 그것을 구비한 시스템
JP2017033547A (ja) * 2015-08-05 2017-02-09 キヤノン株式会社 情報処理装置及びその制御方法及びプログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009512031A (ja) * 2005-10-13 2009-03-19 ナショナル・アイシーティ・オーストラリア・リミテッド 信号特性の自動識別を行うための方法および装置
JP2009198364A (ja) * 2008-02-22 2009-09-03 Fujitsu Ltd 光ファイバ伝送路の特性および光信号の品質をモニタするモニタ回路
JP2013191943A (ja) * 2012-03-13 2013-09-26 Fujitsu Telecom Networks Ltd 品質監視装置および伝送装置
JP2014241483A (ja) * 2013-06-11 2014-12-25 富士通株式会社 光位相補償装置、光受信器、ネットワークマネジメントシステム、および光位相補償方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
JEFFREY A. JARGON，外４名: "Optical performance monitoring of QPSK data channels by use of neural networks trained with paramete", OPTICS EXPRESS, vol. 18, no. 5, JPN6019021567, 2010, pages 4931 - 4938, XP093057399, ISSN: 0004053191 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020088402A (ja) * 2018-11-14 2020-06-04 富士通株式会社 通信装置、及び通信方法
JP7059903B2 (ja) 2018-11-14 2022-04-26 富士通株式会社 通信装置、及び通信方法
JPWO2020255275A1 (ja) * 2019-06-19 2020-12-24
WO2020255275A1 (ja) * 2019-06-19 2020-12-24 日本電信電話株式会社 光伝送システム及び光伝送装置設定方法
JP7136352B2 (ja) 2019-06-19 2022-09-13 日本電信電話株式会社 光伝送システム及び光伝送装置設定方法
JPWO2021117163A1 (ja) * 2019-12-11 2021-06-17
WO2021117163A1 (ja) * 2019-12-11 2021-06-17 日本電信電話株式会社 光通信の状態推定方法、装置及びプログラム
JP7294452B2 (ja) 2019-12-11 2023-06-20 日本電信電話株式会社 光通信の状態推定方法、装置及びプログラム
JP7527294B2 (ja) 2020-01-31 2024-08-02 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 異常検知方法、及び異常検知装置

Also Published As

Publication number Publication date
JP6657885B2 (ja) 2020-03-04
US20170161602A1 (en) 2017-06-08
US10853719B2 (en) 2020-12-01

Similar Documents

Publication Publication Date Title
JP2017108220A (ja) データ収集装置及び光伝送システム
CN107968840B (zh) 一种大规模电力设备监测报警数据实时处理方法及系统
CN105490834B (zh) 一种基于顶点覆盖和弱顶点覆盖的探针部署方法
CN109728939B (zh) 一种网络流量检测方法及装置
JP2016515377A (ja) 電力引込点エネルギー計測装置、およびこれを利用したエネルギー計測情報ラベリングシステム
CN111884832B (zh) 一种获取无源网络拓扑信息的方法及相关设备
CN105527910A (zh) 一种基于opc ua的远程监控系统及故障排除方法
CN103905219A (zh) 一种业务平台中通信信息的监控存储系统及方法
CN105634781B (zh) 一种多故障数据解耦方法和装置
CN202393868U (zh) 一种基于云计算的电缆振荡波局部放电测量与定位系统
CN112345996B (zh) 一种基于边缘计算的能源控制器回路事件生成方法
CN112637202B (zh) 一种SDN环境下基于集成小波变换的LDoS攻击检测方法
JP6858798B2 (ja) 特徴量生成装置、特徴量生成方法及びプログラム
CN116471214A (zh) 一种电力通信数据监测方法及系统
CN101262382A (zh) 一种网络环境自动监测的数据采集系统
CN107241740A (zh) 一种孤岛移动式电力系统健康状态监测传感器部署方法
Qazi et al. A novel compressed sensing technique for traffic matrix estimation of software defined cloud networks
CN113011047A (zh) 一种基于220kV及以下智能变电站二次系统的可靠性分析方法
CN117914003B (zh) 基于云边协同的箱式变压器智能监测辅助方法及系统
CN112351354B (zh) 多域光网络多点串扰攻击的监测节点选择及监测定位方法
CN108120911A (zh) 一种紫外检测局部放电的监测系统
CN209311618U (zh) 一种断电告警采样电压电路
JP7517464B2 (ja) ニューラルアーキテクチャ探索システムおよび探索方法
Zhang et al. Cognitive network management based on cross-layer AI interaction in ONOS-enabled self-optimizing optical networks
Ge et al. Distributed fault detection for sensor networks with Markovian sensing topology

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180810

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20190530

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190611

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190716

RD03 Notification of appointment of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7423

Effective date: 20190716

RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20190716

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20200107

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200120

R150 Certificate of patent or registration of utility model

Ref document number: 6657885

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150