JP7059699B2 - パラメータ解析方法、パラメータ解析プログラム、及びパラメータ解析装置 - Google Patents
パラメータ解析方法、パラメータ解析プログラム、及びパラメータ解析装置 Download PDFInfo
- Publication number
- JP7059699B2 JP7059699B2 JP2018041439A JP2018041439A JP7059699B2 JP 7059699 B2 JP7059699 B2 JP 7059699B2 JP 2018041439 A JP2018041439 A JP 2018041439A JP 2018041439 A JP2018041439 A JP 2018041439A JP 7059699 B2 JP7059699 B2 JP 7059699B2
- Authority
- JP
- Japan
- Prior art keywords
- model
- training
- optical signal
- parameters
- parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- 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
-
- 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
- H04B10/61—Coherent receivers
- H04B10/616—Details of the electronic signal processing in coherent optical receivers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Electromagnetism (AREA)
- Optical Communication System (AREA)
Description
・Support Vector Machine
・Logistic Regression
・Random Forest
・Principal Component Analysis
・ニューラルネットワーク(深層学習を用いないものを含む)
・深層ニューラルネットワーク
a12=-sinωt ・・・(2)
a21=sinωt ・・・(3)
a22=cosωt ・・・(4)
例えば、伝送路9が、分散係数の大きいSMF(Single Mode Fiber)などである場合、その非線形性による位相雑音が光信号Sに与える影響は小さい。しかし、伝送路9が、分散係数の小さいNZ-DSF(Non-Zero Dispersion Fiber)などである場合、その非線形性による位相雑音が光信号Sに与える影響は大きい。
例えば、送信器2及び受信器3が、64QAMや128QAMなどの多値度の高い多値変調方式により光信号Sの送受信処理を行う場合、受信器3における光信号SのQ値は、送信器2及び受信器3内の光学系部品やアナログ系電気部品の不完全性に応じて変化する。このため、送信器2のDSP(不図示)と受信器3のDSP32は、フィルタなどを用いて不完全性の補償処理を行う。
次に、上述したパラメータ解析方法に用いられるモデルのトレーニング方法について述べる。このトレーニング方法は、図2に示された挙動モデル構築部101の構成により実行される。
(付記1) 光信号の特性に関する指標値を出力するモデルをトレーニングする工程と、
前記モデルのトレーニングに用いられる前記光信号の特性を変動させる工程とを、コンピュータまたは電子回路が実行することを特徴とするモデルのトレーニング方法。
(付記2) 前記特性を変動させる工程には、前記光信号の偏波を回転させることが含まれることを特徴とする付記1に記載のモデルのトレーニング方法。
(付記3) 前記特性を変動させる工程には、前記光信号の周波数を変化させることが含まれることを特徴とする付記1または2に記載のモデルのトレーニング方法。
(付記4) 付記1乃至3の何れかに記載のモデルのトレーニング方法を用いるパラメータ解析方法であって、
信号処理装置が前記光信号を処理することにより算出する前記指標値を出力として、前記信号処理装置に設定される複数のパラメータが前記指標値に与える影響を解析するためのモデルをトレーニングする工程と、
前記モデルのトレーニングに用いられる前記複数のパラメータを生成する工程とを、前記コンピュータまたは前記電子回路が実行することを特徴とするパラメータ解析方法。
(付記5) トレーニングが完了した前記モデルを用いて、前記複数のパラメータから前記影響の度合いが所定値以上である1以上のパラメータを抽出する工程を、さらに前記コンピュータまたは前記電子回路が実行することを特徴とする付記4に記載のパラメータ解析方法。
(付記6) 抽出された前記1以上のパラメータを変化させることにより、前記1以上のパラメータの変化に応じた前記指標値の変化を解析する工程を、さらに前記コンピュータまたは前記電子回路が実行することを特徴とする付記4または5に記載のパラメータ解析方法。
(付記7) 前記特性が変動する前記光信号から前記指標値を算出する工程と、
前記指標値に応じて前記光信号に重み付けを行う工程とを、さらに前記コンピュータまたは前記電子回路が実行し、
前記モデルをトレーニングする工程には、前記重み付けの結果に基づき前記モデルのトレーニングを制御することが含まれることを特徴とする付記4乃至6の何れかに記載のパラメータ解析方法。
(付記8) 前記モデルをトレーニングする工程には、前記光信号と、前記複数のパラメータと、前記信号処理装置に前記光信号を送信する送信装置に設定される送信側パラメータとを用いて前記モデルをトレーニングすることが含まれることを特徴とする付記4乃至7の何れかに記載のパラメータ解析方法。
(付記9) 信号処理装置が処理した光信号の特性に関する指標値に対し、前記信号処理装置に設定される複数のパラメータが与える影響を解析するためのモデルをトレーニングし、
前記モデルのトレーニングに用いられる前記複数のパラメータを生成し、
前記モデルのトレーニングに用いられる前記光信号の特性を変動させる、処理を、コンピュータに実行させることを特徴とするパラメータ解析プログラム。
(付記10) 前記特性を変動させる処理には、前記光信号の偏波を回転させることが含まれることを特徴とする付記9に記載のパラメータ解析プログラム。
(付記11) 前記特性を変動させる処理には、前記光信号の周波数を変化させることが含まれることを特徴とする付記9または10に記載のパラメータ解析プログラム。
(付記12) トレーニングが完了した前記モデルを用いて、前記複数のパラメータから前記影響の度合いが所定値以上である1以上のパラメータを抽出する処理を、さらに前記コンピュータに実行させることを特徴とする付記9乃至11の何れかに記載のパラメータ解析プログラム。
(付記13) 抽出された前記1以上のパラメータを変化させることにより、前記1以上のパラメータの変化に応じた前記指標値の変化を解析する処理を、さらに前記コンピュータに実行させることを特徴とする付記9乃至12の何れかに記載のパラメータ解析プログラム。
(付記14) 信号処理装置が処理した光信号の品質に関する指標値に対し、前記信号処理装置に設定される複数のパラメータが与える影響を解析するためのモデルをトレーニングするトレーニング部と、
前記モデルのトレーニングに用いられる前記複数のパラメータを生成する生成部と、
前記モデルのトレーニングに用いられる前記光信号の特性を変動させる変動発生部とを有することを特徴とするパラメータ解析装置。
(付記15) 前記変動発生部は、前記光信号の偏波を回転させることを特徴とする付記14に記載のパラメータ解析装置。
(付記16) 前記変動発生部は、前記光信号の周波数を変化させることを特徴とする付記14または15に記載のパラメータ解析装置。
(付記17) トレーニングが完了した前記モデルを用いて、前記複数のパラメータから前記影響の度合いが所定値以上である1以上のパラメータを抽出する抽出部を有することを特徴とする付記14乃至16の何れかに記載のパラメータ解析装置。
(付記18) 抽出された前記1以上のパラメータを変化させることにより、前記1以上のパラメータの変化に応じた前記指標値の変化を解析する解析部を有することを特徴とする付記17に記載のパラメータ解析装置。
(付記19) 前記特性が変動する前記光信号から前記指標値を算出する算出部と、
前記指標値に応じて前記光信号に重み付けを行う重み付け処理部とを有し、
前記トレーニング部は、前記重み付けの結果に基づき前記モデルのトレーニングを制御することを特徴とする付記14乃至18の何れかに記載のパラメータ解析装置。
(付記20) 前記トレーニング部は、前記光信号と、前記複数のパラメータと、前記信号処理装置に前記光信号を送信する送信装置に設定される送信側パラメータとを用いて前記モデルをトレーニングすることを特徴とする付記14乃至19の何れかに記載のパラメータ解析装置。
3 受信器
10 CPU
32 DSP
101 挙動モデル構築部
102 キーパラメータ抽出部
400,500 変動発生部
401,501,401a,501a DSPエミュレータ
402,402a モデルトレーニング部
403 ランダムパラメータ生成部
Claims (9)
- 光信号の特性に関する指標値を出力するモデルであって、信号処理装置が前記光信号を処理することにより算出する前記指標値を出力として、前記信号処理装置に設定される複数のパラメータが前記指標値に与える影響を解析するためのモデルをトレーニングする工程と、
前記モデルのトレーニングに用いられる前記光信号の特性を変動させる工程と、
前記モデルのトレーニングに用いられる前記複数のパラメータを生成する工程とを、コンピュータまたは電子回路が実行することを特徴とするパラメータ解析方法。 - 前記特性を変動させる工程には、前記光信号の偏波を回転させることが含まれることを特徴とする請求項1に記載のパラメータ解析方法。
- 前記特性を変動させる工程には、前記光信号の周波数を変化させることが含まれることを特徴とする請求項1または2に記載のパラメータ解析方法。
- トレーニングが完了した前記モデルを用いて、前記複数のパラメータから前記影響の度合いが所定値以上である1以上のパラメータを抽出する工程を、さらに前記コンピュータまたは前記電子回路が実行することを特徴とする請求項1乃至3の何れかに記載のパラメータ解析方法。
- 抽出された前記1以上のパラメータを変化させることにより、前記1以上のパラメータの変化に応じた前記指標値の変化を解析する工程を、さらに前記コンピュータまたは前記電子回路が実行することを特徴とする請求項4に記載のパラメータ解析方法。
- 前記特性が変動する前記光信号から前記指標値を算出する工程と、
前記指標値に応じて前記光信号に重み付けを行う工程とを、さらに前記コンピュータまたは前記電子回路が実行し、
前記モデルをトレーニングする工程には、前記重み付けの結果に基づき前記モデルのトレーニングを制御することが含まれることを特徴とする請求項1乃至5の何れかに記載のパラメータ解析方法。 - 前記モデルをトレーニングする工程には、前記光信号と、前記複数のパラメータと、前記信号処理装置に前記光信号を送信する送信装置に設定される送信側パラメータとを用いて前記モデルをトレーニングすることが含まれることを特徴とする請求項1乃至6の何れかに記載のパラメータ解析方法。
- 信号処理装置が処理した光信号の品質に関する指標値に対し、前記信号処理装置に設定される複数のパラメータが与える影響を解析するためのモデルをトレーニングし、
前記モデルのトレーニングに用いられる前記複数のパラメータを生成し、
前記モデルのトレーニングに用いられる前記光信号の特性を変動させる、処理を、コンピュータに実行させることを特徴とするパラメータ解析プログラム。 - 信号処理装置が処理した光信号の品質に関する指標値に対し、前記信号処理装置に設定される複数のパラメータが与える影響を解析するためのモデルをトレーニングするトレーニング部と、
前記モデルのトレーニングに用いられる前記複数のパラメータを生成する生成部と、
前記モデルのトレーニングに用いられる前記光信号の特性を変動させる変動発生部とを有することを特徴とするパラメータ解析装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018041439A JP7059699B2 (ja) | 2018-03-08 | 2018-03-08 | パラメータ解析方法、パラメータ解析プログラム、及びパラメータ解析装置 |
US16/291,086 US10972178B2 (en) | 2018-03-08 | 2019-03-04 | Parameter analysis method and apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018041439A JP7059699B2 (ja) | 2018-03-08 | 2018-03-08 | パラメータ解析方法、パラメータ解析プログラム、及びパラメータ解析装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019161285A JP2019161285A (ja) | 2019-09-19 |
JP7059699B2 true JP7059699B2 (ja) | 2022-04-26 |
Family
ID=67842892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018041439A Active JP7059699B2 (ja) | 2018-03-08 | 2018-03-08 | パラメータ解析方法、パラメータ解析プログラム、及びパラメータ解析装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10972178B2 (ja) |
JP (1) | JP7059699B2 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003524919A (ja) | 1998-10-23 | 2003-08-19 | コニンクリジケ ケーピーエヌ エヌブィー | 光wdmネットワークを監視するための方法および装置 |
JP2012529665A (ja) | 2009-06-12 | 2012-11-22 | エックステラ コミュニケーションズ,インコーポレイテッド | 偏光制御装置 |
JP2013198164A (ja) | 2012-03-22 | 2013-09-30 | Fujitsu Ltd | 光ネットワーク・シミュレーションの最適化 |
JP2016127599A (ja) | 2015-01-05 | 2016-07-11 | 富士通株式会社 | マルチキャリア光通信システムにおける非線形補償方法、装置及びシステム |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5464271B2 (ja) | 2009-05-27 | 2014-04-09 | 富士通株式会社 | フィルタ係数制御装置および方法 |
JP6019887B2 (ja) * | 2012-07-26 | 2016-11-02 | 富士通株式会社 | 光伝送システムおよび光伝送路の偏波依存特性をモニタする方法 |
JP6206545B1 (ja) | 2016-06-17 | 2017-10-04 | Nttエレクトロニクス株式会社 | 伝送特性補償装置、伝送特性補償方法及び通信装置 |
US10560303B2 (en) * | 2017-07-17 | 2020-02-11 | Cox Communications, Inc. | System and methods for a smart adaptive communication channel |
-
2018
- 2018-03-08 JP JP2018041439A patent/JP7059699B2/ja active Active
-
2019
- 2019-03-04 US US16/291,086 patent/US10972178B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003524919A (ja) | 1998-10-23 | 2003-08-19 | コニンクリジケ ケーピーエヌ エヌブィー | 光wdmネットワークを監視するための方法および装置 |
JP2012529665A (ja) | 2009-06-12 | 2012-11-22 | エックステラ コミュニケーションズ,インコーポレイテッド | 偏光制御装置 |
JP2013198164A (ja) | 2012-03-22 | 2013-09-30 | Fujitsu Ltd | 光ネットワーク・シミュレーションの最適化 |
JP2016127599A (ja) | 2015-01-05 | 2016-07-11 | 富士通株式会社 | マルチキャリア光通信システムにおける非線形補償方法、装置及びシステム |
Non-Patent Citations (1)
Title |
---|
Xiaoxia Wu et al.,Applications of Artificial Neural Networks in Optical Performance Monitoring,JOURNAL OF LIGHTWAVE TECHNOLOGY,2009年,VOL. 27, NO. 16,pp. 3580 - 3589 |
Also Published As
Publication number | Publication date |
---|---|
US10972178B2 (en) | 2021-04-06 |
US20190280766A1 (en) | 2019-09-12 |
JP2019161285A (ja) | 2019-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Saif et al. | Machine learning techniques for optical performance monitoring and modulation format identification: A survey | |
Khan et al. | Joint OSNR monitoring and modulation format identification in digital coherent receivers using deep neural networks | |
CN110971295B (zh) | 光纤非线性噪声监测装置以及光接收机 | |
Choutagunta et al. | Characterizing mode-dependent loss and gain in multimode components | |
JP7292502B2 (ja) | 送信機テストパラメータを獲得するための方法および装置、ならびに記憶媒体 | |
JP2011089945A (ja) | 非線形歪検出回路、光受信機、光伝送システム、および非線形歪検出方法 | |
JP7460890B2 (ja) | 伝送路監視装置及び伝送路監視方法 | |
Li et al. | Low-complexity adaptive chromatic dispersion estimation scheme using machine learning for coherent long-reach passive optical networks | |
Yang et al. | Fast and accurate waveform modeling of long-haul multi-channel optical fiber transmission using a hybrid model-data driven scheme | |
JP2009537100A (ja) | 分散を検出するための方法およびデバイス、ならびに光信号伝送システム | |
JP7059699B2 (ja) | パラメータ解析方法、パラメータ解析プログラム、及びパラメータ解析装置 | |
JP2013501982A (ja) | シミュレーション装置およびシミュレーション方法 | |
Kim et al. | Modulation format identification of square and non-square M-QAM signals based on amplitude variance and OSNR | |
Aref et al. | An efficient nonlinear Fourier transform algorithm for detection of eigenvalues from continuous spectrum | |
Rabbani et al. | Analysis of nonlinear fiber Kerr effects for arbitrary modulation formats | |
Ma et al. | Training sequence-based chromatic dispersion estimation with ultra-low sampling rate for optical fiber communication systems | |
Ye et al. | OSNR monitoring based on a low-bandwidth coherent receiver and LSTM classifier | |
Chai et al. | Cost-effective OSNR monitoring with large chromatic dispersion tolerance using random forest for intermediate nodes | |
CN113364519B (zh) | 一种光性能监测方法、装置、电子设备以及存储介质 | |
Zhao et al. | Nonlinear SNR estimation based on the data augmentation-assisted DNN with a small-scale dataset | |
Cai et al. | Optical filtering impairment monitoring based on model fusion for optical networks | |
Li et al. | Enhanced adaptive DA-ML carrier phase estimator and its application to accurate laser linewidth and SNR estimation | |
McDonald et al. | Performance of a coherent free-space optical communications link with wavefront sensorless adaptive optics | |
Chen et al. | Combined PMD-PDL effects on BERs in simplified optical systems: an analytical approach | |
Garcia et al. | An optimal polarization tracking algorithm for Lithium-Niobate-based polarization controllers |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201210 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210812 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210831 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211014 |
|
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: 20220315 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220328 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7059699 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |