JPH11237306A - 光パルス試験方法 - Google Patents
光パルス試験方法Info
- Publication number
- JPH11237306A JPH11237306A JP10037772A JP3777298A JPH11237306A JP H11237306 A JPH11237306 A JP H11237306A JP 10037772 A JP10037772 A JP 10037772A JP 3777298 A JP3777298 A JP 3777298A JP H11237306 A JPH11237306 A JP H11237306A
- Authority
- JP
- Japan
- Prior art keywords
- optical
- neural network
- peak level
- reflected
- reflection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Optical Transform (AREA)
- Testing Of Optical Devices Or Fibers (AREA)
Abstract
(57)【要約】
【課題】 光分岐器７よりも加入者側に位置する各光線
路の線路長がほぼ等しく、線路長差がＯＴＤＲの切り分
け分解能よりも短い場合においても、高精度に各光フィ
ルタ反射器の位置および反射ピークレベルを計測するこ
とができる光パルス試験方法を実現する。 【解決手段】 複数の光フィルタ型反射器からの反射光
が重なり合って測定されたＯＴＤＲ波形の受光レベルを
正規化した値を入力とし、各心線の光フィルタ型反射器
の位置および各光フィルタ型反射器からの反射光のピー
クレベルを算出するニューラルネットワークＮＮを用い
たＯＴＤＲ波形処理を行う。これにより、光分岐器より
も加入者側に位置する各光線路の線路長がほぼ等しい分
岐型光線路における、各光心線の終端に設置された光フ
ィルタ型反射器の位置および反射光のピークレベルが高
精度に算出される。
路の線路長がほぼ等しく、線路長差がＯＴＤＲの切り分
け分解能よりも短い場合においても、高精度に各光フィ
ルタ反射器の位置および反射ピークレベルを計測するこ
とができる光パルス試験方法を実現する。 【解決手段】 複数の光フィルタ型反射器からの反射光
が重なり合って測定されたＯＴＤＲ波形の受光レベルを
正規化した値を入力とし、各心線の光フィルタ型反射器
の位置および各光フィルタ型反射器からの反射光のピー
クレベルを算出するニューラルネットワークＮＮを用い
たＯＴＤＲ波形処理を行う。これにより、光分岐器より
も加入者側に位置する各光線路の線路長がほぼ等しい分
岐型光線路における、各光心線の終端に設置された光フ
ィルタ型反射器の位置および反射光のピークレベルが高
精度に算出される。
Description
【０００１】
【発明の属する技術分野】本発明は、分岐型光線路で光
分岐器よりも加入者側に位置する光線路（光ファイバ）
の保守、例えば、光ファイバケーブルを切断して接続替
えを行う際の心線対照に用いて好適な光パルス試験方法
に関する。
分岐器よりも加入者側に位置する光線路（光ファイバ）
の保守、例えば、光ファイバケーブルを切断して接続替
えを行う際の心線対照に用いて好適な光パルス試験方法
に関する。
【０００２】
【従来の技術】従来より、光パルス試験器（以下、ＯＴ
ＤＲと記す）を用いて分岐型光線路特性を測定する光パ
ルス試験方法が知られている。この光パルス試験方法で
は、ＯＴＤＲから出力される光パルスが光分岐器で複数
に分波され、これら分波光が光分岐器よりも加入者側に
位置する各光心線および光フィルタ型反射器から散乱光
および反射光としてＯＴＤＲ受光部に戻る。したがっ
て、このＯＴＤＲ受光部が検出するＯＴＤＲ波形には光
線路の分岐数だけ光フィルタ型反射器による反射波形が
観測される。そして、これら反射波形に基づき、各反射
光のピークレベルが光フィルタ型反射器による反射光の
ピークレベルとなり、反射光のピークレベルに対応する
位置が光フィルタ型反射器の位置になる。
ＤＲと記す）を用いて分岐型光線路特性を測定する光パ
ルス試験方法が知られている。この光パルス試験方法で
は、ＯＴＤＲから出力される光パルスが光分岐器で複数
に分波され、これら分波光が光分岐器よりも加入者側に
位置する各光心線および光フィルタ型反射器から散乱光
および反射光としてＯＴＤＲ受光部に戻る。したがっ
て、このＯＴＤＲ受光部が検出するＯＴＤＲ波形には光
線路の分岐数だけ光フィルタ型反射器による反射波形が
観測される。そして、これら反射波形に基づき、各反射
光のピークレベルが光フィルタ型反射器による反射光の
ピークレベルとなり、反射光のピークレベルに対応する
位置が光フィルタ型反射器の位置になる。
【０００３】さて、分岐型光線路において、光分岐器よ
りも加入者側に位置する各光線路と伝送装置間の故障切
り分けは、光線路敷設の際に、ＯＴＤＲを用いて各光フ
ィルタ型反射器の位置情報および反射光ピークレベルを
測定して得た結果をデータベース化しておいたものと、
光伝送システムの故障発生時に測定した結果とを比較し
て行う。つまり、該当する光ファイバ心線の光フィルタ
型反射器の位置に対応した反射光ピークレベルに変化が
あれば、その心線に対応する光線路に故障が生じている
と判定でき、これにより故障切り分けを行う。なお、こ
うした技術の詳細については、例えば、「富田 et a
l、”光線路試験システムの将来目標と要素技術”、電
子情報通信学会、信学技報、ＯＣＳ９７−２５、１９９
７−０７」に開示されている。
りも加入者側に位置する各光線路と伝送装置間の故障切
り分けは、光線路敷設の際に、ＯＴＤＲを用いて各光フ
ィルタ型反射器の位置情報および反射光ピークレベルを
測定して得た結果をデータベース化しておいたものと、
光伝送システムの故障発生時に測定した結果とを比較し
て行う。つまり、該当する光ファイバ心線の光フィルタ
型反射器の位置に対応した反射光ピークレベルに変化が
あれば、その心線に対応する光線路に故障が生じている
と判定でき、これにより故障切り分けを行う。なお、こ
うした技術の詳細については、例えば、「富田 et a
l、”光線路試験システムの将来目標と要素技術”、電
子情報通信学会、信学技報、ＯＣＳ９７−２５、１９９
７−０７」に開示されている。
【０００４】また、上記の光線路の心線対照を行う場合
も、正常な状態時の各光フィルタ型反射器の位置情報お
よび反射光ピークレベルをデータベースとして蓄積して
おき、該当する光ファイバ心線に対し、心線対照治具に
より曲げ損失を与えた時の、各光フィルタ型反射器の位
置情報および反射光ピークレベルと比較する。比較の結
果、該当心線の光フィルタ型反射器の位置に対応した反
射光ピークレベルに変化がある場合には該当心線である
と判定し、一方、変化が無い場合には該当心線でないと
判定していた。なお、この種の技術ついては、例えば、
特願平４−２００５６２３号明細書に開示されている。
も、正常な状態時の各光フィルタ型反射器の位置情報お
よび反射光ピークレベルをデータベースとして蓄積して
おき、該当する光ファイバ心線に対し、心線対照治具に
より曲げ損失を与えた時の、各光フィルタ型反射器の位
置情報および反射光ピークレベルと比較する。比較の結
果、該当心線の光フィルタ型反射器の位置に対応した反
射光ピークレベルに変化がある場合には該当心線である
と判定し、一方、変化が無い場合には該当心線でないと
判定していた。なお、この種の技術ついては、例えば、
特願平４−２００５６２３号明細書に開示されている。
【０００５】
【発明が解決しようとする課題】さて、上述した従来の
光パルス試験方法では、ＯＴＤＲから出力される光パル
スにはパルス幅が存在する為、光パルス幅を十分狭くし
ても、各光線路に設置されている光フィルタ型反射器か
らＯＴＤＲ受光部へ反射光が戻ってくるので、ＯＴＤＲ
波形には複数の光フィルタ型反射器による反射光が重な
り合って測定される場合があり、このような場合には各
光線路における光フィルタ型反射器の位置および反射ピ
ークレベルの算出が非常に困難となる。そこで、分岐型
光線路において故障切り分けや心線対照を行う場合に
は、光分岐器よりも加入者側に位置する光線路の線路長
差が、各々の光フィルタ型反射器で発生する反射光と重
なり合わないように、光線路長を設定して光フィルタ型
反射器を設置しなければならなかった。この時の、必要
な光線路長差を切り分け分解能と呼ぶ。
光パルス試験方法では、ＯＴＤＲから出力される光パル
スにはパルス幅が存在する為、光パルス幅を十分狭くし
ても、各光線路に設置されている光フィルタ型反射器か
らＯＴＤＲ受光部へ反射光が戻ってくるので、ＯＴＤＲ
波形には複数の光フィルタ型反射器による反射光が重な
り合って測定される場合があり、このような場合には各
光線路における光フィルタ型反射器の位置および反射ピ
ークレベルの算出が非常に困難となる。そこで、分岐型
光線路において故障切り分けや心線対照を行う場合に
は、光分岐器よりも加入者側に位置する光線路の線路長
差が、各々の光フィルタ型反射器で発生する反射光と重
なり合わないように、光線路長を設定して光フィルタ型
反射器を設置しなければならなかった。この時の、必要
な光線路長差を切り分け分解能と呼ぶ。
【０００６】ところが、上記のように、光線路に切り分
け分解能以上の線路長差を持たせる設定がなされている
場合でも、光ファイバケーブル内のテープ光心線のたる
みや、各テープ光心線の余長分の違いによって、ＯＴＤ
Ｒの切り分け分解能よりも各光心線の線路長差が小さく
なってしまう場合があり、光フィルタ型反射器の位置お
よび反射光ピークレベルの算出が困難になるという問題
がある。
け分解能以上の線路長差を持たせる設定がなされている
場合でも、光ファイバケーブル内のテープ光心線のたる
みや、各テープ光心線の余長分の違いによって、ＯＴＤ
Ｒの切り分け分解能よりも各光心線の線路長差が小さく
なってしまう場合があり、光フィルタ型反射器の位置お
よび反射光ピークレベルの算出が困難になるという問題
がある。
【０００７】本発明は、このような事情に鑑みてなされ
たもので、光分岐器よりも加入者側に位置する各光線路
の線路長がほぼ等しく、線路長差がＯＴＤＲの切り分け
分解能よりも短い場合においても、高精度に各光フィル
タ反射器の位置および反射ピークレベルを計測すること
ができる光パルス試験方法を提供することを目的として
いる。
たもので、光分岐器よりも加入者側に位置する各光線路
の線路長がほぼ等しく、線路長差がＯＴＤＲの切り分け
分解能よりも短い場合においても、高精度に各光フィル
タ反射器の位置および反射ピークレベルを計測すること
ができる光パルス試験方法を提供することを目的として
いる。
【０００８】
【課題を解決するための手段】上記目的を達成するた
め、本発明では、光パルス試験器（ＯＴＤＲ）を用い
て、光線路の途中に光分岐器を有し、この光分岐器より
も加入者側に設けられた各光受信器の直前に、光パルス
試験器から出力される試験波長の光パルスのみを反射す
る光フィルタ型反射器を設置した各光線路の距離および
光強度からなる光学特性を測定し、その測定データから
光フィルタ型反射器の位置および反射レベル等を求めて
表示する光パルス試験方法において、複数の光フィルタ
型反射器からの反射光が重なり合って測定されたＯＴＤ
Ｒ波形の受光レベルを正規化した値を入力とし、各心線
の光フィルタ型反射器の位置および各光フィルタ型反射
器からの反射光のピークレベルを算出するニューラルネ
ットワークＮＮを用いたＯＴＤＲ波形処理を行うことを
特徴とする。本発明では、ニューラルネットワークＮＮ
を用いたことにより、光分岐器よりも加入者側に位置す
る各光線路の線路長がほぼ等しい分岐型光線路におけ
る、各光心線の終端に設置された光フィルタ型反射器の
位置および反射光のピークレベルが高精度に算出され
る。また、本発明は、前記正規化を行う前に、測定され
た前記ＯＴＤＲ波形の重なり合った反射波形データ列
と、個々の反射のピークレベルとを求めるピークレベル
処理を含むことを特徴とする。また、本発明は、前記正
規化が、前記反射波形データ列及び前記個々の反射のピ
ークレベルに対して行うことを特徴とする。また、本発
明は、前記ＯＴＤＲ波形処理が、正規化された前記反射
波形データを前記ニューラルネットワークＮＮの入力デ
ータとし、正規化された前記個々の反射のピークレベル
を前記ニューラルネットワークＮＮの教師信号とする処
理を含むことを特徴とする。また、本発明は、前記ＯＴ
ＤＲ波形処理が、前記各光線路の長さの差及び各反射の
ピークレベルを変化させて前記測定を繰り返し、学習用
データセットと汎用評価用データセットに分類する処理
を含むことを特徴とする。また、本発明は、前記ＯＴＤ
Ｒ波形処理が、前記学習用データセットを用いて前記ニ
ューラルネットワークＮＮの学習を行い、入力層ユニッ
ト間の結合係数及びオフセットを修正し、前記教師信号
と出力との誤差が十分小さくなるまで学習を繰り返す処
理を含むことを特徴とする。また、本発明は、前記ＯＴ
ＤＲ波形処理が、前記汎用評価用データセットの反射波
形、正規化した前記反射波形データ列を学習済みの前記
ニューラルネットワークＮＮに入力し、重なり合った反
射のそれぞれの反射光のピークレベルを算出する処理を
含むことを特徴とする。また、本発明は、前記ＯＴＤＲ
波形処理が、前記反射光のピークレベルと前記教師信号
との誤差を求め前記光線路の長さの差毎に前記ニューラ
ルネットワークの評価を行う処理を含むことを特徴とす
る。
め、本発明では、光パルス試験器（ＯＴＤＲ）を用い
て、光線路の途中に光分岐器を有し、この光分岐器より
も加入者側に設けられた各光受信器の直前に、光パルス
試験器から出力される試験波長の光パルスのみを反射す
る光フィルタ型反射器を設置した各光線路の距離および
光強度からなる光学特性を測定し、その測定データから
光フィルタ型反射器の位置および反射レベル等を求めて
表示する光パルス試験方法において、複数の光フィルタ
型反射器からの反射光が重なり合って測定されたＯＴＤ
Ｒ波形の受光レベルを正規化した値を入力とし、各心線
の光フィルタ型反射器の位置および各光フィルタ型反射
器からの反射光のピークレベルを算出するニューラルネ
ットワークＮＮを用いたＯＴＤＲ波形処理を行うことを
特徴とする。本発明では、ニューラルネットワークＮＮ
を用いたことにより、光分岐器よりも加入者側に位置す
る各光線路の線路長がほぼ等しい分岐型光線路におけ
る、各光心線の終端に設置された光フィルタ型反射器の
位置および反射光のピークレベルが高精度に算出され
る。また、本発明は、前記正規化を行う前に、測定され
た前記ＯＴＤＲ波形の重なり合った反射波形データ列
と、個々の反射のピークレベルとを求めるピークレベル
処理を含むことを特徴とする。また、本発明は、前記正
規化が、前記反射波形データ列及び前記個々の反射のピ
ークレベルに対して行うことを特徴とする。また、本発
明は、前記ＯＴＤＲ波形処理が、正規化された前記反射
波形データを前記ニューラルネットワークＮＮの入力デ
ータとし、正規化された前記個々の反射のピークレベル
を前記ニューラルネットワークＮＮの教師信号とする処
理を含むことを特徴とする。また、本発明は、前記ＯＴ
ＤＲ波形処理が、前記各光線路の長さの差及び各反射の
ピークレベルを変化させて前記測定を繰り返し、学習用
データセットと汎用評価用データセットに分類する処理
を含むことを特徴とする。また、本発明は、前記ＯＴＤ
Ｒ波形処理が、前記学習用データセットを用いて前記ニ
ューラルネットワークＮＮの学習を行い、入力層ユニッ
ト間の結合係数及びオフセットを修正し、前記教師信号
と出力との誤差が十分小さくなるまで学習を繰り返す処
理を含むことを特徴とする。また、本発明は、前記ＯＴ
ＤＲ波形処理が、前記汎用評価用データセットの反射波
形、正規化した前記反射波形データ列を学習済みの前記
ニューラルネットワークＮＮに入力し、重なり合った反
射のそれぞれの反射光のピークレベルを算出する処理を
含むことを特徴とする。また、本発明は、前記ＯＴＤＲ
波形処理が、前記反射光のピークレベルと前記教師信号
との誤差を求め前記光線路の長さの差毎に前記ニューラ
ルネットワークの評価を行う処理を含むことを特徴とす
る。
【０００９】
【発明の実施の形態】以下では、本発明の実施の形態で
ある光パルス試験システムを実施例とし、図面を参照し
て説明する。 （１）システム構成 図１は、本発明の一実施例による光パルス試験システム
の構成を示すブロック図である。この図において、１は
光パルス試験器（以下、ＯＴＤＲと記す）、２は光線
路、２−１〜２−ｎは光分岐器７よりも加入者側に位置
する光線路である。３−１〜３−ｎはそれぞれ光可変減
衰器、４−１〜４−ｎはそれぞれ光フィルタ型反射器で
ある。５はＯＴＤＲ１および光可変減衰器３−１〜３−
ｎを制御する制御部、６はこの制御部５の出力に応じて
各光フィルタ反射器の位置および反射ピークレベルを自
動解析するデータ処理部である。光分岐器７は、光線路
２を光可変減衰器３−１〜３−ｎに対応してそれぞれ分
岐する。
ある光パルス試験システムを実施例とし、図面を参照し
て説明する。 （１）システム構成 図１は、本発明の一実施例による光パルス試験システム
の構成を示すブロック図である。この図において、１は
光パルス試験器（以下、ＯＴＤＲと記す）、２は光線
路、２−１〜２−ｎは光分岐器７よりも加入者側に位置
する光線路である。３−１〜３−ｎはそれぞれ光可変減
衰器、４−１〜４−ｎはそれぞれ光フィルタ型反射器で
ある。５はＯＴＤＲ１および光可変減衰器３−１〜３−
ｎを制御する制御部、６はこの制御部５の出力に応じて
各光フィルタ反射器の位置および反射ピークレベルを自
動解析するデータ処理部である。光分岐器７は、光線路
２を光可変減衰器３−１〜３−ｎに対応してそれぞれ分
岐する。
【００１０】（２）光パルス試験の原理 次に、本発明の要旨にかかわる技術を説明する前に、光
パルス試験の原理について述べておく。一般に、光ファ
イバに光を入射すると、光ファイバの途中から入射端側
へ戻る光があり、その成分としてはコネクタ接続点や光
フィルタ型反射器におけるフレネル反射光、光ファイバ
中で起こるレイリー散乱光の一部が入射端側へ戻る後方
散乱光などが挙げられる。
パルス試験の原理について述べておく。一般に、光ファ
イバに光を入射すると、光ファイバの途中から入射端側
へ戻る光があり、その成分としてはコネクタ接続点や光
フィルタ型反射器におけるフレネル反射光、光ファイバ
中で起こるレイリー散乱光の一部が入射端側へ戻る後方
散乱光などが挙げられる。
【００１１】光ファイバ中で発生した後方散乱光やフレ
ネル反射光は、ＯＴＤＲ１から各発生位置の距離に比例
した時間後に入射端側に戻る。戻った光はＯＴＤＲ１側
の受光素子にて光信号から電気信号に変換され、これが
波形として検出される。なお、本実施例では、以降の説
明において、ＯＴＤＲ１が受光した受光電力を対数変換
してデシベル表示する受光レベルを縦軸、ＯＴＤＲ１か
らの距離を横軸としてグラフ表示する。
ネル反射光は、ＯＴＤＲ１から各発生位置の距離に比例
した時間後に入射端側に戻る。戻った光はＯＴＤＲ１側
の受光素子にて光信号から電気信号に変換され、これが
波形として検出される。なお、本実施例では、以降の説
明において、ＯＴＤＲ１が受光した受光電力を対数変換
してデシベル表示する受光レベルを縦軸、ＯＴＤＲ１か
らの距離を横軸としてグラフ表示する。
【００１２】光線路の途中に光分岐器７が設置されてい
る場合、分岐器７以降の複数の光心線２−１〜２−ｎに
対応してそれぞれ設置される光フィルタ型反射器４−１
〜４−ｎから、それぞれ光パルスが反射されるので、図
２に図示する一例のように、測定されるＯＴＤＲ波形
（受光素子出力）は複数の反射波形が含まれる。ＯＴＤ
Ｒ１から光フィルタ型反射器４−１〜４−ｎまでの距離
をそれぞれＬ１，Ｌ２，Ｌ３，…，Ｌｎ（Ｌ１＜Ｌ２＜
…＜Ｌｎ）とすると、光フィルタ型反射器４−１〜４−
ｎに各々対応する反射波形Ｆ１，Ｆ２，…，Ｆｎが、距
離Ｌ１，Ｌ２，Ｌ３，…，Ｌｎの位置で測定される。こ
れにより、例えば、反射波形ＦｎはＯＴＤＲ１からの距
離がｎ番目に長い光線路に設置される光フィルタ型反射
器４−ｎの反射であることが判るようになっている。
る場合、分岐器７以降の複数の光心線２−１〜２−ｎに
対応してそれぞれ設置される光フィルタ型反射器４−１
〜４−ｎから、それぞれ光パルスが反射されるので、図
２に図示する一例のように、測定されるＯＴＤＲ波形
（受光素子出力）は複数の反射波形が含まれる。ＯＴＤ
Ｒ１から光フィルタ型反射器４−１〜４−ｎまでの距離
をそれぞれＬ１，Ｌ２，Ｌ３，…，Ｌｎ（Ｌ１＜Ｌ２＜
…＜Ｌｎ）とすると、光フィルタ型反射器４−１〜４−
ｎに各々対応する反射波形Ｆ１，Ｆ２，…，Ｆｎが、距
離Ｌ１，Ｌ２，Ｌ３，…，Ｌｎの位置で測定される。こ
れにより、例えば、反射波形ＦｎはＯＴＤＲ１からの距
離がｎ番目に長い光線路に設置される光フィルタ型反射
器４−ｎの反射であることが判るようになっている。
【００１３】ここで、光分岐器７よりも加入者側に位置
する任意の２つの光線路長の差をＤＥＦとし、各光線路
の長さの差ＤＥＦ１−２，ＤＥＦ１−３，…，ＤＥＦ１
−ｎ，ＤＥＦ２−３，ＤＥＦ２−４，…，ＤＥＦ２−
ｎ，…，ＤＥＦ（ｎ−１）−ｎを、 とする。
する任意の２つの光線路長の差をＤＥＦとし、各光線路
の長さの差ＤＥＦ１−２，ＤＥＦ１−３，…，ＤＥＦ１
−ｎ，ＤＥＦ２−３，ＤＥＦ２−４，…，ＤＥＦ２−
ｎ，…，ＤＥＦ（ｎ−１）−ｎを、 とする。
【００１４】さて、Ｌ１，Ｌ２，…，Ｌｎがほぼ等し
く、かつ光線路長差ＤＥＦ１−２〜ＤＥＦ（ｎ−１）−
ｎがＯＴＤＲ１の切り分け分解能よりも短くなってしま
う場合、ＯＴＤＲ１で測定される反射波形は互いに重な
り合ってしまう。そこで、本発明ではこうした状況であ
っても、高精度に各光フィルタ反射器の位置および反射
ピークレベルを計測し得るようにしたものであり、具体
的には以下に示す手順に基づき、データ処理部６が自動
解析する。
く、かつ光線路長差ＤＥＦ１−２〜ＤＥＦ（ｎ−１）−
ｎがＯＴＤＲ１の切り分け分解能よりも短くなってしま
う場合、ＯＴＤＲ１で測定される反射波形は互いに重な
り合ってしまう。そこで、本発明ではこうした状況であ
っても、高精度に各光フィルタ反射器の位置および反射
ピークレベルを計測し得るようにしたものであり、具体
的には以下に示す手順に基づき、データ処理部６が自動
解析する。
【００１５】（３）光パルス試験の手順 次に、図３を参照して本実施例による光パルス試験の手
順について説明する。まず、ステップＳＡ１に進み、光
パスル試験を行い、重なり合った反射波形データ列Ｐｉ
と、個々の反射ピークレベルＲａ，Ｒｂとを測定し、続
くステップＳＡ２では測定した反射波形データ列Ｐｉお
よび個々の反射ピークレベルＲａ，Ｒｂを正規化する。
このステップＳＡ１，ＳＡ２の内容をより具体的に説明
する。図１に図示したように、光分岐器７以降の光線路
２−１，２−２，…２−ｎの内、任意の２つの光線路を
選択し、それ以外の光線路に設置されている光可変減衰
器３の減衰量を十分に大きくしておき、反射を減衰させ
ると、２つの反射のみが重なり合った波形が測定され
る。
順について説明する。まず、ステップＳＡ１に進み、光
パスル試験を行い、重なり合った反射波形データ列Ｐｉ
と、個々の反射ピークレベルＲａ，Ｒｂとを測定し、続
くステップＳＡ２では測定した反射波形データ列Ｐｉお
よび個々の反射ピークレベルＲａ，Ｒｂを正規化する。
このステップＳＡ１，ＳＡ２の内容をより具体的に説明
する。図１に図示したように、光分岐器７以降の光線路
２−１，２−２，…２−ｎの内、任意の２つの光線路を
選択し、それ以外の光線路に設置されている光可変減衰
器３の減衰量を十分に大きくしておき、反射を減衰させ
ると、２つの反射のみが重なり合った波形が測定され
る。
【００１６】例えば、Ｌ１とＬ２との光線路長差ＤＥＦ
１−２が切り分け分解能より短い時、それらの光線路以
外に設置されている光可変減衰器３の減衰量を十分に大
きくすると、図４に図示する通り、重なり合った反射波
形ｃが得られる。ここで、ａ，ｂはそれぞれの光線路か
らの単独の反射波形を表わしており、反射波形ａ，ｂの
ピーク間の距離は各光線路長差ＤＥＦ１−２に相当す
る。また、反射光ａ，ｂのピークレベルをそれぞれＲ
ａ，Ｒｂとすると、一方の光線路に設置されている光可
変減衰器３の減衰量を十分に大きくすることで、このレ
ベルＲａ，Ｒｂは個別に測定可能となる。
１−２が切り分け分解能より短い時、それらの光線路以
外に設置されている光可変減衰器３の減衰量を十分に大
きくすると、図４に図示する通り、重なり合った反射波
形ｃが得られる。ここで、ａ，ｂはそれぞれの光線路か
らの単独の反射波形を表わしており、反射波形ａ，ｂの
ピーク間の距離は各光線路長差ＤＥＦ１−２に相当す
る。また、反射光ａ，ｂのピークレベルをそれぞれＲ
ａ，Ｒｂとすると、一方の光線路に設置されている光可
変減衰器３の減衰量を十分に大きくすることで、このレ
ベルＲａ，Ｒｂは個別に測定可能となる。
【００１７】本実施例に用いるＯＴＤＲ１の距離分解能
は１ｍ、光パルス幅は２０ｎｓ、波長は１．５５μｍで
ある。測定により得られた反射波形は、図５に示すよう
に、１ｍ間隔の離散的な数値、つまり、受光レベル（ｄ
Ｂ）で表わされる。上述したステップＳＡ１では、この
反射波形を中心とした３０ポイントを切出し、それらポ
イントにおける受光レベルＰｉ（ｉ＝１〜３０）とし、
さらに重なり合った反射波形の個々の反射波形のピーク
レベルをＲａ，Ｒｂとする。次に、上記ステップＳＡ２
にて述べた正規化を行う。これは、測定した反射波形の
受光レベルＰｉと、各反射波形ピークレベルＲａ，Ｒｂ
を、４５ｄＢの時に「１」、３５ｄＢの時に「０」とな
るよう、各値を正規化させる。そして、正規化された受
光レベルＰｉをＰＮｉ（ｉ＝１〜３０）に、正規化され
た各反射波形ピークレベルＲａ，ＲｂをＲＮａ，ＲＮｂ
とする。なお、この正規化において、各測定値Ｐｉ，Ｒ
ａ，Ｒｂが３５ｄＢ以下の場合にはそれぞれ「０」とす
る。
は１ｍ、光パルス幅は２０ｎｓ、波長は１．５５μｍで
ある。測定により得られた反射波形は、図５に示すよう
に、１ｍ間隔の離散的な数値、つまり、受光レベル（ｄ
Ｂ）で表わされる。上述したステップＳＡ１では、この
反射波形を中心とした３０ポイントを切出し、それらポ
イントにおける受光レベルＰｉ（ｉ＝１〜３０）とし、
さらに重なり合った反射波形の個々の反射波形のピーク
レベルをＲａ，Ｒｂとする。次に、上記ステップＳＡ２
にて述べた正規化を行う。これは、測定した反射波形の
受光レベルＰｉと、各反射波形ピークレベルＲａ，Ｒｂ
を、４５ｄＢの時に「１」、３５ｄＢの時に「０」とな
るよう、各値を正規化させる。そして、正規化された受
光レベルＰｉをＰＮｉ（ｉ＝１〜３０）に、正規化され
た各反射波形ピークレベルＲａ，ＲｂをＲＮａ，ＲＮｂ
とする。なお、この正規化において、各測定値Ｐｉ，Ｒ
ａ，Ｒｂが３５ｄＢ以下の場合にはそれぞれ「０」とす
る。
【００１８】次いで、ステップＳＡ３（図３参照）に進
むと、正規化された受光レベルＰＮｉをニューラルネッ
トワークＮＮの入力データとし、重なり合った反射波形
のそれぞれの反射のピークレベルを正規化したＲＮａ，
ＲＮｂを、ニューラルネットワークＮＮの出力の教師信
号とする。そして、ステップＳＡ４では、光分岐器７以
降の光線路２−１〜２−ｎの光線路長差ＤＥＦが２，
３，４，５，…，１５ｍの計１２種となるように設定し
ておき、単独の反射ａ，ｂのそれぞれのピークレベルを
３５ｄＢ〜４５ｄＢに変化させながら、１つの光線路長
差ＤＥＦに対して１２１個の波形を測定する。従って、
都合１２種×１２１個のデータセットが得られる。これ
らデータセットの内、光線路長差ＤＥＦが２ｍ，４ｍ，
６ｍ，７ｍ，９ｍ，１１ｍ，１３ｍ，１５ｍの場合にお
ける、８種×１２１個のデータセットをニューラルネッ
トワークＮＮの学習用データとして用い、光線路長差Ｄ
ＥＦが３ｍ，５ｍ，８ｍ，１２ｍの場合における、４種
×１２１個のデータセットをニューラルネットワークＮ
Ｎの汎用評価用データとして用いる。
むと、正規化された受光レベルＰＮｉをニューラルネッ
トワークＮＮの入力データとし、重なり合った反射波形
のそれぞれの反射のピークレベルを正規化したＲＮａ，
ＲＮｂを、ニューラルネットワークＮＮの出力の教師信
号とする。そして、ステップＳＡ４では、光分岐器７以
降の光線路２−１〜２−ｎの光線路長差ＤＥＦが２，
３，４，５，…，１５ｍの計１２種となるように設定し
ておき、単独の反射ａ，ｂのそれぞれのピークレベルを
３５ｄＢ〜４５ｄＢに変化させながら、１つの光線路長
差ＤＥＦに対して１２１個の波形を測定する。従って、
都合１２種×１２１個のデータセットが得られる。これ
らデータセットの内、光線路長差ＤＥＦが２ｍ，４ｍ，
６ｍ，７ｍ，９ｍ，１１ｍ，１３ｍ，１５ｍの場合にお
ける、８種×１２１個のデータセットをニューラルネッ
トワークＮＮの学習用データとして用い、光線路長差Ｄ
ＥＦが３ｍ，５ｍ，８ｍ，１２ｍの場合における、４種
×１２１個のデータセットをニューラルネットワークＮ
Ｎの汎用評価用データとして用いる。
【００１９】ここで、本実施例で用いるニューラルネッ
トワークＮＮの構成と、このニューラルネットワークＮ
Ｎを用いて重なり合った反射光のそれぞれのピークレベ
ルを算出する手順とについて説明する。まず、図６はニ
ューラルネットワークＮＮの構成を示す模式図である。
この図にニューラルネットワークＮＮは、入力層のユニ
ット数を「３０」、中間層のユニット数を「７０」およ
び出力層のユニット数を「２」とした３層階層型ニュー
ラルネットワークであり、その学習アルゴリズムには誤
差逆伝搬法を用いる。こうしたニューラルネットワーク
ＮＮの入力を、前述した正規化データ列ＰＮｉ（ｉ＝１
〜３０）とし、出力をＯｋ（ｋ＝１，２）とする。ま
た、重なり合った反射波形のそれぞれの反射のピークレ
ベを正規化したＲＮａ，ＲＮｂを、Ｔ１＝ＲＮａ，Ｔ２
＝ＲＮｂとし、Ｔｋ（ｋ＝１，２）を出力Ｏｋの教師信
号とする。
トワークＮＮの構成と、このニューラルネットワークＮ
Ｎを用いて重なり合った反射光のそれぞれのピークレベ
ルを算出する手順とについて説明する。まず、図６はニ
ューラルネットワークＮＮの構成を示す模式図である。
この図にニューラルネットワークＮＮは、入力層のユニ
ット数を「３０」、中間層のユニット数を「７０」およ
び出力層のユニット数を「２」とした３層階層型ニュー
ラルネットワークであり、その学習アルゴリズムには誤
差逆伝搬法を用いる。こうしたニューラルネットワーク
ＮＮの入力を、前述した正規化データ列ＰＮｉ（ｉ＝１
〜３０）とし、出力をＯｋ（ｋ＝１，２）とする。ま
た、重なり合った反射波形のそれぞれの反射のピークレ
ベを正規化したＲＮａ，ＲＮｂを、Ｔ１＝ＲＮａ，Ｔ２
＝ＲＮｂとし、Ｔｋ（ｋ＝１，２）を出力Ｏｋの教師信
号とする。
【００２０】さて、このような構成によるニューラルネ
ットワークＮＮに、学習用データとして、光線路長差Ｄ
ＥＦが２ｍ，４ｍ，６ｍ，７ｍ，９ｍ，１１ｍ，１３
ｍ，１５ｍの場合における、８種×１２１個のデータセ
ットを入力して、ユニット間の結合係数およびオフセッ
トを修正し、教師信号Ｔｋとの出力誤差が十分小さくな
るまで学習を繰り返す（ステップＳＡ４）。ここで、ニ
ューラルネットワークＮＮの計算方法について簡単に説
明するが、その詳細については、例えば”中野他著、
「ニューロコンピュータの基礎」、コロナ社、１９９０
年”等を参考されたい。
ットワークＮＮに、学習用データとして、光線路長差Ｄ
ＥＦが２ｍ，４ｍ，６ｍ，７ｍ，９ｍ，１１ｍ，１３
ｍ，１５ｍの場合における、８種×１２１個のデータセ
ットを入力して、ユニット間の結合係数およびオフセッ
トを修正し、教師信号Ｔｋとの出力誤差が十分小さくな
るまで学習を繰り返す（ステップＳＡ４）。ここで、ニ
ューラルネットワークＮＮの計算方法について簡単に説
明するが、その詳細については、例えば”中野他著、
「ニューロコンピュータの基礎」、コロナ社、１９９０
年”等を参考されたい。
【００２１】入力層ユニットの入出力関係は線形であ
り、中間層と出力層のユニットはシグモイド関数で定義
される入出力関係を持つ。次式（１）にシグモイド関数
ｆ（ｐ）の定義を示す。 ｆ（ｐ）＝１／（１＋ｅｘｐ（−２ｐ／ｕ０）） …（１） 但し、ｐはシグモイド関数の入力、ｕ０はシグモイド関
数の形状を決定するパラメータである。入力層ユニット
の出力をＰＮｉとすると、ニューラルネットワークＮＮ
の中間層ユニットｊ（ｊ＝１，２，…，７０）の出力Ｈ
ｊは次式（２）で表わされる。
り、中間層と出力層のユニットはシグモイド関数で定義
される入出力関係を持つ。次式（１）にシグモイド関数
ｆ（ｐ）の定義を示す。 ｆ（ｐ）＝１／（１＋ｅｘｐ（−２ｐ／ｕ０）） …（１） 但し、ｐはシグモイド関数の入力、ｕ０はシグモイド関
数の形状を決定するパラメータである。入力層ユニット
の出力をＰＮｉとすると、ニューラルネットワークＮＮ
の中間層ユニットｊ（ｊ＝１，２，…，７０）の出力Ｈ
ｊは次式（２）で表わされる。
【００２２】
【数１】
【００２３】なお、この（２）式において、Ｗｊｉは入
力層と中間層との結合係数を、φｊは中間層のオフセッ
トを、Σはｉについての和をそれぞれ表わしている。ま
た、出力層ユニットｋの出力Ｏｋは次式（３）で表わさ
れる。
力層と中間層との結合係数を、φｊは中間層のオフセッ
トを、Σはｉについての和をそれぞれ表わしている。ま
た、出力層ユニットｋの出力Ｏｋは次式（３）で表わさ
れる。
【００２４】
【数２】
【００２５】なお、この（３）式において、Ｖｋｊは中
間層と出力層との結合係数を、ξｋは出力層のオフセッ
トを、Σはｉについての和をそれぞれ表わしている。さ
て、このような関係を有するニューラルネットワークＮ
Ｎの学習時においては、出力値Ｏｋと教師信号Ｔｋとか
ら上述した結合係数Ｗｊｉ，Ｖｋｊおよびオフセットφ
ｊ，ξｋが変更される。以下、変更の方法について記
す。まず、出力値Ｏｋと教師信号Ｔｋとの間の誤差δｋ
を次式（４）に基づき算出する。 δｋ＝（Ｏｋ−Ｔｋ）・Ｏｋ・（１−Ｏｋ） …（４） 次に、誤差δｋと、中間層と出力層の結合係数Ｖｋｊ
と、中間層出力Ｈｊとに基づき、中間層ユニットに繋が
る結合係数と中間層ユニットのオフセットに対する誤差
σｊを次式（５）に基づき算出する。
間層と出力層との結合係数を、ξｋは出力層のオフセッ
トを、Σはｉについての和をそれぞれ表わしている。さ
て、このような関係を有するニューラルネットワークＮ
Ｎの学習時においては、出力値Ｏｋと教師信号Ｔｋとか
ら上述した結合係数Ｗｊｉ，Ｖｋｊおよびオフセットφ
ｊ，ξｋが変更される。以下、変更の方法について記
す。まず、出力値Ｏｋと教師信号Ｔｋとの間の誤差δｋ
を次式（４）に基づき算出する。 δｋ＝（Ｏｋ−Ｔｋ）・Ｏｋ・（１−Ｏｋ） …（４） 次に、誤差δｋと、中間層と出力層の結合係数Ｖｋｊ
と、中間層出力Ｈｊとに基づき、中間層ユニットに繋が
る結合係数と中間層ユニットのオフセットに対する誤差
σｊを次式（５）に基づき算出する。
【００２６】
【数３】
【００２７】次いで、出力層ユニットｋの誤差δｋと、
中間層ユニットｊの出力Ｈｊと、定数εとの積を加算す
ることによって、中間層ユニットｊから出力層ユニット
ｋに繋がる結合係数Ｖｋｊを、誤差δｋと定数ηとの積
を加算することで出力層ユニットｋのオフセットξｋを
修正する。すなわち、次式（６），（７）を算出する。 Ｖｋｊ＝Ｖｋｊ＋ε・δｋ・Ｈｊ …（６） ξｋ＝ξｋ＋η・δｋ …（７） また、中間層ユニットｊでの誤差σｊと、入力層ユニッ
トｉの出力ＰＮｊと、定数εとの積を加算することで、
入力層ユニットｉから中間層ユニットｊにつながる結合
係数Ｗｉｊを、誤差σｊと定数ηとの積を加算すること
で中間層ユニットｊのオフセットφｊを修正する。すな
わち、次式（８），（９）を算出する。 Ｗｉｊ＝Ｗｉｊ＋ε・σｊ・ＰＮｉ …（８） φｊ＝φｊ＋η・σｊ …（９） こうして、結合係数Ｗｉｊ，Ｖｋｊ、オフセットξｋ，
φｊを修正しつつ、教師信号Ｔｋとニューラルネットワ
ークＮＮの出力Ｏｋとの差が十分に小さくなるまでニュ
ーラルネットワークＮＮを学習させる（ステップＳＡ
５）。
中間層ユニットｊの出力Ｈｊと、定数εとの積を加算す
ることによって、中間層ユニットｊから出力層ユニット
ｋに繋がる結合係数Ｖｋｊを、誤差δｋと定数ηとの積
を加算することで出力層ユニットｋのオフセットξｋを
修正する。すなわち、次式（６），（７）を算出する。 Ｖｋｊ＝Ｖｋｊ＋ε・δｋ・Ｈｊ …（６） ξｋ＝ξｋ＋η・δｋ …（７） また、中間層ユニットｊでの誤差σｊと、入力層ユニッ
トｉの出力ＰＮｊと、定数εとの積を加算することで、
入力層ユニットｉから中間層ユニットｊにつながる結合
係数Ｗｉｊを、誤差σｊと定数ηとの積を加算すること
で中間層ユニットｊのオフセットφｊを修正する。すな
わち、次式（８），（９）を算出する。 Ｗｉｊ＝Ｗｉｊ＋ε・σｊ・ＰＮｉ …（８） φｊ＝φｊ＋η・σｊ …（９） こうして、結合係数Ｗｉｊ，Ｖｋｊ、オフセットξｋ，
φｊを修正しつつ、教師信号Ｔｋとニューラルネットワ
ークＮＮの出力Ｏｋとの差が十分に小さくなるまでニュ
ーラルネットワークＮＮを学習させる（ステップＳＡ
５）。
【００２８】以上のようにして学習用データセットを用
いたニューラルネットワークＮＮの学習が完了すると、
ステップＳＡ６（図３参照）に処理を進め、汎用評価用
データである正規化データ列ＰＮｉをニューラルネット
ワークＮＮに入力して出力Ｏｋを算出し、続くステップ
ＳＡ７では算出されたネットワークＮＮの出力Ｏｋと教
師信号Ｔｋとの誤差を求め、光線路長差ＤＥＦ毎にネッ
トワークＮＮを評価する。以下、これらステップＳＡ
６，ＳＡ７の処理について詳述する。
いたニューラルネットワークＮＮの学習が完了すると、
ステップＳＡ６（図３参照）に処理を進め、汎用評価用
データである正規化データ列ＰＮｉをニューラルネット
ワークＮＮに入力して出力Ｏｋを算出し、続くステップ
ＳＡ７では算出されたネットワークＮＮの出力Ｏｋと教
師信号Ｔｋとの誤差を求め、光線路長差ＤＥＦ毎にネッ
トワークＮＮを評価する。以下、これらステップＳＡ
６，ＳＡ７の処理について詳述する。
【００２９】すなわち、汎用評価用データである、光フ
ィルタ型反射器からの反射波形を正規化した正規化デー
タ列ＰＮｉを、学習済みのニューラルネットワークＮＮ
に入力し、重なり合った反射のそれぞれの反射光のピー
クレベルＯｋを算出する。なお、汎用評価用データは、
前述した通り、光線路長差ＤＥＦ＝３，５，８，１２の
各場合の４種×１２１個のデータセットである。ニュー
ラルネットワークＮＮの出力Ｏｋと個々の反射のピーク
レベルを正規化した教師信号Ｔｋとの誤差の一例を図７
に示す。この図において、横軸は誤差（ｄＢ）、縦軸は
累積相対度数である。光線路長差ＤＥＦの値ごとに、評
価結果を分類し、ニューラルネットワークＮＮの評価を
行う。光線路長差ＤＥＦが８ｍ，１２ｍの時、ニューラ
ルネットワークＮＮは誤差０．５ｄＢ以下で反射のピー
クレベルを算出していることが分る。反射光のピークレ
ベルは、ＯＴＤＲ１の光源の出力変動や、気温などの測
定条件の変化によって反射レベルは変動する為、０．５
ｄＢ以下の誤差は許容範囲となる。
ィルタ型反射器からの反射波形を正規化した正規化デー
タ列ＰＮｉを、学習済みのニューラルネットワークＮＮ
に入力し、重なり合った反射のそれぞれの反射光のピー
クレベルＯｋを算出する。なお、汎用評価用データは、
前述した通り、光線路長差ＤＥＦ＝３，５，８，１２の
各場合の４種×１２１個のデータセットである。ニュー
ラルネットワークＮＮの出力Ｏｋと個々の反射のピーク
レベルを正規化した教師信号Ｔｋとの誤差の一例を図７
に示す。この図において、横軸は誤差（ｄＢ）、縦軸は
累積相対度数である。光線路長差ＤＥＦの値ごとに、評
価結果を分類し、ニューラルネットワークＮＮの評価を
行う。光線路長差ＤＥＦが８ｍ，１２ｍの時、ニューラ
ルネットワークＮＮは誤差０．５ｄＢ以下で反射のピー
クレベルを算出していることが分る。反射光のピークレ
ベルは、ＯＴＤＲ１の光源の出力変動や、気温などの測
定条件の変化によって反射レベルは変動する為、０．５
ｄＢ以下の誤差は許容範囲となる。
【００３０】従来の方法で反射波形を算出する場合、光
フィルタ型反射器からの反射波形が各々完全に分離され
ていないと、反射のピークレベルの算出が困難である
為、光線路長差ＤＥＦが１５ｍ以上要求され、これ故、
反射光のピークレベルを測定するために光分岐器７より
も加入者側に位置する光線路長の差が１５ｍ以上必要で
あったのに対し、上述した実施例によれば、それが８ｍ
となり、切り分け分解能が約２倍向上させ得ることが実
証された。
フィルタ型反射器からの反射波形が各々完全に分離され
ていないと、反射のピークレベルの算出が困難である
為、光線路長差ＤＥＦが１５ｍ以上要求され、これ故、
反射光のピークレベルを測定するために光分岐器７より
も加入者側に位置する光線路長の差が１５ｍ以上必要で
あったのに対し、上述した実施例によれば、それが８ｍ
となり、切り分け分解能が約２倍向上させ得ることが実
証された。
【００３１】なお、この実施例では、光分岐器７よりも
加入者側に位置する任意の２つの光線路に設置されてい
る光フィルタ型反射器４の反射が重なり合った場合の、
それぞれの反射のピークレベルの算出を行ったが、同様
の手順でニューラルネットワークＮＮの学習を行うこと
で、３つ以上の反射が重なった場合でもそれぞれの反射
のピークレベルを算出することが可能になる。
加入者側に位置する任意の２つの光線路に設置されてい
る光フィルタ型反射器４の反射が重なり合った場合の、
それぞれの反射のピークレベルの算出を行ったが、同様
の手順でニューラルネットワークＮＮの学習を行うこと
で、３つ以上の反射が重なった場合でもそれぞれの反射
のピークレベルを算出することが可能になる。
【００３２】さらに、重なり合った反射波形から光フィ
ルタ型反射器４の位置を算出する場合も、教師信号Ｔｋ
を反射光のピークレベルのある位置としておけば、上述
と同様の手順でニューラルネットワークＮＮの学習を行
うことにより、それぞれの光フィルタ型反射器４の位置
も算出し得る。
ルタ型反射器４の位置を算出する場合も、教師信号Ｔｋ
を反射光のピークレベルのある位置としておけば、上述
と同様の手順でニューラルネットワークＮＮの学習を行
うことにより、それぞれの光フィルタ型反射器４の位置
も算出し得る。
【００３３】
【発明の効果】本発明によれば、複数の光フィルタ型反
射器からの反射光が重なり合って測定されたＯＴＤＲ波
形の受光レベルを正規化した値を入力とし、各心線の光
フィルタ型反射器の位置および各光フィルタ型反射器か
らの反射光のピークレベルを算出するニューラルネット
ワークＮＮを用いたＯＴＤＲ波形処理を行うので、光分
岐器よりも加入者側に位置する各光線路の線路長がほぼ
等しく、線路長差がＯＴＤＲの切り分け分解能よりも短
い場合においても、高精度に各光フィルタ反射器の位置
および反射ピークレベルを計測することができる。
射器からの反射光が重なり合って測定されたＯＴＤＲ波
形の受光レベルを正規化した値を入力とし、各心線の光
フィルタ型反射器の位置および各光フィルタ型反射器か
らの反射光のピークレベルを算出するニューラルネット
ワークＮＮを用いたＯＴＤＲ波形処理を行うので、光分
岐器よりも加入者側に位置する各光線路の線路長がほぼ
等しく、線路長差がＯＴＤＲの切り分け分解能よりも短
い場合においても、高精度に各光フィルタ反射器の位置
および反射ピークレベルを計測することができる。
【図１】 本発明による一実施例のシステム構成を示す
ブロック図である。
ブロック図である。
【図２】 光パルス試験結果の一例を示す図である。
【図３】 光パルス試験の手順を示すフローチャートで
ある。
ある。
【図４】 重なり合った反射波形を含む光パルス試験結
果の一例を示す図である。
果の一例を示す図である。
【図５】 反射波形の正規化方法を説明するための図で
ある。
ある。
【図６】 ニューラルネットワークＮＮの構成を示す図
である。
である。
【図７】 ニューラルネットワークＮＮの評価結果の一
例を示す図である。
例を示す図である。
１…光パルス試験器（ＯＴＤＲ）、２…光線路、２−１
〜２−ｎ…光線路、３−１〜３−ｎ…光可変減衰器、４
−１〜４−ｎ…光フィルタ型反射器、５…制御部、６…
データ処理部、７…光分岐器、ＮＮ…ニューラルネット
ワーク。
〜２−ｎ…光線路、３−１〜３−ｎ…光可変減衰器、４
−１〜４−ｎ…光フィルタ型反射器、５…制御部、６…
データ処理部、７…光分岐器、ＮＮ…ニューラルネット
ワーク。
Claims (8)
- 【請求項１】 光パルス試験器（ＯＴＤＲ）を用いて、
光線路の途中に光分岐器を有し、この光分岐器よりも加
入者側に設けられた各光受信器の直前に、光パルス試験
器から出力される試験波長の光パルスのみを反射する光
フィルタ型反射器を設置した各光線路の距離および光強
度からなる光学特性を測定し、その測定データから光フ
ィルタ型反射器の位置および反射レベル等を求めて表示
する光パルス試験方法において、 複数の光フィルタ型反射器からの反射光が重なり合って
測定されたＯＴＤＲ波形の受光レベルを正規化した値を
入力とし、各心線の光フィルタ型反射器の位置および各
光フィルタ型反射器からの反射光のピークレベルを算出
するニューラルネットワークＮＮを用いたＯＴＤＲ波形
処理を行うことを特徴とする光パルス試験方法。 - 【請求項２】 前記正規化を行う前に、測定された前記
ＯＴＤＲ波形の重なり合った反射波形データ列と、個々
の反射のピークレベルとを求めるピークレベル処理を含
むことを特徴とする請求項１記載の光パルス試験方法。 - 【請求項３】 前記正規化は、前記反射波形データ列及
び前記個々の反射のピークレベルに対して行うことを特
徴とする請求項２記載の光パルス試験方法。 - 【請求項４】 前記ＯＴＤＲ波形処理は、正規化された
前記反射波形データを前記ニューラルネットワークＮＮ
の入力データとし、正規化された前記個々の反射のピー
クレベルを前記ニューラルネットワークＮＮの教師信号
とする処理を含むことを特徴とする請求項３記載の光パ
ルス試験方法。 - 【請求項５】 前記ＯＴＤＲ波形処理は、前記各光線路
の長さの差及び各反射のピークレベルを変化させて前記
測定を繰り返し、学習用データセットと汎用評価用デー
タセットに分類する処理を含むことを特徴とする請求項
４記載の光パルス試験方法。 - 【請求項６】 前記ＯＴＤＲ波形処理は、前記学習用デ
ータセットを用いて前記ニューラルネットワークＮＮの
学習を行い、入力層ユニット間の結合係数及びオフセッ
トを修正し、前記教師信号と出力との誤差が十分小さく
なるまで学習を繰り返す処理を含むことを特徴とする請
求項５記載の光パルス試験方法。 - 【請求項７】 前記ＯＴＤＲ波形処理は、前記汎用評価
用データセットの反射波形、正規化した前記反射波形デ
ータ列を学習済みの前記ニューラルネットワークＮＮに
入力し、重なり合った反射のそれぞれの反射光のピーク
レベルを算出する処理を含むことを特徴とする請求項６
記載の光パルス試験方法。 - 【請求項８】 前記ＯＴＤＲ波形処理は、前記反射光の
ピークレベルと前記教師信号との誤差を求め前記光線路
の長さの差毎に前記ニューラルネットワークの評価を行
う処理を含むことを特徴とする請求項７記載の光パルス
試験方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP03777298A JP3335574B2 (ja) | 1998-02-19 | 1998-02-19 | 光パルス試験方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP03777298A JP3335574B2 (ja) | 1998-02-19 | 1998-02-19 | 光パルス試験方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH11237306A true JPH11237306A (ja) | 1999-08-31 |
| JP3335574B2 JP3335574B2 (ja) | 2002-10-21 |
Family
ID=12506775
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP03777298A Expired - Fee Related JP3335574B2 (ja) | 1998-02-19 | 1998-02-19 | 光パルス試験方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3335574B2 (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110093989A (ko) * | 2008-10-17 | 2011-08-19 | 엑스포 아이엔씨. | 2-파장 광통신 계측기와 파장 의존형 반사 소자를 이용하여 광통신망에서 광선로의 파라미터를 추출하는 방법 및 장치 |
| WO2019163093A1 (ja) * | 2018-02-23 | 2019-08-29 | 三菱電機株式会社 | 多方路監視装置 |
| CN111272277A (zh) * | 2020-01-21 | 2020-06-12 | 中国工程物理研究院激光聚变研究中心 | 一种基于神经网络的激光脉冲波形测量畸变校正方法及系统 |
-
1998
- 1998-02-19 JP JP03777298A patent/JP3335574B2/ja not_active Expired - Fee Related
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110093989A (ko) * | 2008-10-17 | 2011-08-19 | 엑스포 아이엔씨. | 2-파장 광통신 계측기와 파장 의존형 반사 소자를 이용하여 광통신망에서 광선로의 파라미터를 추출하는 방법 및 장치 |
| EP2356760A4 (en) * | 2008-10-17 | 2016-07-20 | Exfo Inc | METHOD AND DEVICE FOR DERIVING PARAMETERS OF OPTICAL PATHS IN OPTICAL NETWORKS USING TWO WAVELENGTH OTDR AND A WAVE LENGTH-RELATED REFLECTIVE ELEMENT |
| WO2019163093A1 (ja) * | 2018-02-23 | 2019-08-29 | 三菱電機株式会社 | 多方路監視装置 |
| JPWO2019163093A1 (ja) * | 2018-02-23 | 2020-06-18 | 三菱電機株式会社 | 多方路監視装置 |
| CN111712699A (zh) * | 2018-02-23 | 2020-09-25 | 三菱电机株式会社 | 多路监视装置 |
| US11085850B2 (en) | 2018-02-23 | 2021-08-10 | Mitsubishi Electric Corporation | Multi-degree monitoring apparatus |
| CN111272277A (zh) * | 2020-01-21 | 2020-06-12 | 中国工程物理研究院激光聚变研究中心 | 一种基于神经网络的激光脉冲波形测量畸变校正方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3335574B2 (ja) | 2002-10-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3527844B2 (ja) | 多分岐光線路試験方法および装置 | |
| US4838690A (en) | Simultaneous bi-directional optical time domain reflectometry method | |
| US6028661A (en) | Multi-branched optical line testing apparatus | |
| US5187362A (en) | Loss detection in a branched optical fiber | |
| US6310702B1 (en) | Testing device for multistage multi-branch optical network | |
| US20230106273A1 (en) | Long-distance optical fiber detecting method, apparatus, device and system, and storage medium | |
| CN112539772B (zh) | 一种基于卷积神经网络集成学习的Sagnac分布光纤传感系统的定位方法 | |
| JP3335574B2 (ja) | 光パルス試験方法 | |
| JP7424510B2 (ja) | 空間多重光伝送路の特性を評価する装置及び方法 | |
| US4768880A (en) | System and method for accurate loop length determination in fiber-optic sensors and signal processors | |
| RU2644032C2 (ru) | Способ измерения избыточной длины оптического волокна в модульной трубке оптического кабеля | |
| US5131743A (en) | Apparatus and method for inspecting optical fibers | |
| CN116046145A (zh) | 交通道路光缆测区一致性检测系统及方法 | |
| CN113834631B (zh) | 一种光纤测量方法、系统及装置 | |
| JP3336587B2 (ja) | 光線路特性の自動解析方法 | |
| JP4160939B2 (ja) | 光線路の障害探索方法 | |
| KR101414770B1 (ko) | 광케이블의 상태를 검사하기 위한 광계측 장치, 광계측 장치를 이용한 광케이블 검사 장치, 및 광계측 장치와 광원 장치를 이용한 광케이블 검사 방법 | |
| JP4246037B2 (ja) | 光線路特性の解析方法及び光線路試験監視システム | |
| CN116545529B (zh) | 基于光缆运维路径的故障数据处理方法 | |
| US20230288287A1 (en) | Power coupling coefficient measuring method and power coupling coefficient measuring device | |
| JP2927061B2 (ja) | 光ファイバを用いた物理量分布の測定方法 | |
| JP7459966B2 (ja) | 周波数変調量測定装置及び方法 | |
| JP3949266B2 (ja) | 多分岐光線路試験方法及びその装置 | |
| JPH0868722A (ja) | 光線路特性の自動解析方法 | |
| JP2883948B2 (ja) | 分岐光フアイバ線路の故障点探索方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080802 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080802 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090802 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090802 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100802 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100802 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110802 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120802 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130802 Year of fee payment: 11 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| LAPS | Cancellation because of no payment of annual fees |