WO2000048337A1 - Verfahren zur überwachung der übertragungsqualität eines optischen übertragungssystems, insbesondere eines optischen wellenlängenmultiplexnetzes - Google Patents

Verfahren zur überwachung der übertragungsqualität eines optischen übertragungssystems, insbesondere eines optischen wellenlängenmultiplexnetzes Download PDF

Info

Publication number
WO2000048337A1
WO2000048337A1 PCT/EP2000/000420 EP0000420W WO0048337A1 WO 2000048337 A1 WO2000048337 A1 WO 2000048337A1 EP 0000420 W EP0000420 W EP 0000420W WO 0048337 A1 WO0048337 A1 WO 0048337A1
Authority
WO
WIPO (PCT)
Prior art keywords
optical
signal
transmission
neural network
data
Prior art date
Application number
PCT/EP2000/000420
Other languages
English (en)
French (fr)
Inventor
Norbert Hanik
Herbert Schmid
Original Assignee
Deutsche Telekom Ag
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 Deutsche Telekom Ag filed Critical Deutsche Telekom Ag
Priority to DE50000752T priority Critical patent/DE50000752D1/de
Priority to EP00903593A priority patent/EP1153488B1/de
Priority to US09/913,375 priority patent/US6965736B1/en
Priority to AT00903593T priority patent/ATE227907T1/de
Publication of WO2000048337A1 publication Critical patent/WO2000048337A1/de

Links

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
    • H04B10/075—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
    • H04B10/0795—Performance monitoring; Measurement of transmission parameters
    • H04B10/07953—Monitoring or measuring OSNR, BER or Q

Definitions

  • the invention relates to a method for monitoring the transmission quality of an optical transmission system, in particular an optical wavelength division multiplex network.
  • Transparent optical wavelength division multiplex systems are increasingly being used because they significantly increase the capacity and flexibility of today's information and telecommunication networks via an optical one
  • Optical fiber is not only transmitted an optical signal of a single wavelength, but by using a plurality of wavelengths several optical channels are made available which are independent of one another.
  • Optical wavelength division multiplex networks are transparent, analog
  • Transmission systems which are generally intended to transmit digital useful signals and thus enable the implementation of a wide variety of telecommunication services.
  • One of the main advantages of transparency is that the data rate and format for each optical channel is one
  • Wavelength division multiplex system can be selected independently of one another. This added flexibility meets customer requirements and enables new services to be integrated. On the other hand, guaranteeing a certain quality of service and tracking down slow system degradations is straight a serious problem in transparent networks due to the unspecified data format.
  • a key parameter for assessing the quality of service of a digital signal when it is transmitted over an optical network is the bit error rate (BER).
  • BER bit error rate
  • Certain overhead bytes of the selected transmission format eg SDH, ATM, etc.
  • SDH selected transmission format
  • ATM ATM
  • this method cannot be used in transparent optical systems in which the data format is not fixed a priori.
  • the evaluation of the BER does not allow any conclusions to be drawn as to the cause of any signal degradation that may occur.
  • this method also requires the bit clock of the signal to be evaluated. The electronic extraction of the bit clock is only possible with reasonable effort for fixed data rates known to the evaluating system. This constraint unacceptably limits the transparency of optical transport networks (WDM networks).
  • WDM networks optical transport networks
  • the invention is therefore based on the object
  • a transparent transmission system e.g. a WDM network
  • the object is achieved in a method for monitoring the transmission quality of an optical transmission system, in particular an optical wavelength division multiplex network, in that an amplitude histogram over the Transmission system transmitted optical signal (transmission signal) is recorded and classified by means of a neural network according to bit error rates and / or causes of interference.
  • the method according to the invention makes it possible to assess the quality of service (characterized by the bit error rate BER) of a transparent digital useful signal by detecting analog values independently of the data rate and the cause (e.g. noise, dispersion, crosstalk ...) and To grasp the magnitude of the system deterioration.
  • the method according to the invention uses a much more immediate assessment criterion, namely the amplitude distribution of the analog optical
  • Transmission signal The information about the state of the transmission system is obtained from this amplitude distribution by assigning it to certain digital parameters, namely certain values of the BER, using a neural network.
  • Amplitude histogram can also be used to determine the type of disturbance that leads to a specific BER. This information is essentially in the amplitude distribution and is lost in an evaluation on a digital level.
  • the method according to the invention therefore also enables conclusions to be drawn as to the cause of the disturbance or degradation and thus a targeted intervention in the transmission system in order to remedy these influences.
  • knowledge of the transmission rate or the transmission format can advantageously be dispensed with.
  • the main principle of the invention is to use the learning, neural networks and analog signal values in the form of amplifier histograms as input or measurement data to assess the EER and to show the cause of a signal deterioration.
  • the method works as follows: The transmission signal is recorded with an optical detection device, preferably a photodiode with a high bandwidth.
  • the electrical output signal of the detection device is sampled asynchronously. No clock recovery is necessary for this. What is important for the sampling is an arbitrarily selected time slot and the collection of a large number of samples, which contain all the relevant statistical properties of the signal. It is also important that the time slots of the scanning units are short enough to avoid fast, oscillatory disturbances, e.g. B. caused by in-band crosstalk (cross-talk).
  • the amplitude histogram can be recorded, for example, with an oscilloscope, which polls the output signal of the detection device in a time-rasterized manner.
  • the data of the amplitude histogram are normalized in order to make them independent of absolute amplitude values and the selected scaling of the histogram.
  • the recorded amplitude histogram data are then suitably preprocessed in order to be able to present them to the neural network.
  • a certain number of y values are taken from the amplitude histogram, which are determined on the basis of fixed x values of the histogram diagram (cf. FIG. 2).
  • the extracted values are raised evenly so that the highest value is ⁇ 1. Now the values are presented to the neurons of the input layer.
  • the number of values corresponds to the number of
  • Input neurons of the neural network propagates the applied values through the network, orders the Input data of an associated error rate class and displays the type of fault as an additional output value.
  • the function and mode of operation of neural networks is well described in the literature. They are implemented in practice on a data processing device by a computer program.
  • the neural networks used In order for the neural networks used to be able to solve the tasks assigned to them, they need to be trained beforehand. For this purpose, different training patterns are selected and combined into a training pattern file.
  • the training patterns are, for example, calculated or measured and preprocessed amplitude histograms which correspond to various known bit error rate classes and types of interference.
  • Neural networks are learning connectionist systems. They usually consist of a layer of neurons that form the input layer (input neurons), one or more hidden layers (hidden neurons) and a layer of neurons that form the output layer. Every neuron has a specific transfer function. There are connections with different weights (positive, zero or negative) between the neurons of the different layers. The input value of a neuron results from the total of the weighted output values of the neurons of the previous layer.
  • connections between the neurons set so that the correct output appears for the input are known in principle.
  • the neural network topology and the training method to be used are selected. Has proven to be particularly suitable as a neural WO 00/48337. g. PCT / EP00 / 00420
  • the advantage of the method is that no mathematical algorithms have to be developed in order to make statements about the type of disturbance occurring and the degree of signal degradation. All signals can be analyzed without knowledge of the transmission format and / or the clock; therefore the transparency of optical transmission systems such as WDM networks is optimally supported and not restricted. Since the neural networks are massively parallel structures, a result is available much more quickly than a result generated by a mathematical algorithm. Another advantage of the method is that even when evaluating unknown, unforeseen input patterns, there are sensible output values.
  • Figure 1 is a block diagram of an inventive
  • FIG. 2 shows an amplitude histogram of an optical transmission signal
  • Figure 3 shows the topology of a neural network in the form of a multi-layer perceptron.
  • Figure 1 shows a block diagram of a method according to the invention.
  • an optical channel is selected from an optical WDM signal, which can be composed of a multiplicity of wavelength components. This means that only light in a certain wavelength range transmitted by the filter falls on an opto-electronic converter device.
  • the converter device is a photodetector, preferably a photodiode with a high bandwidth, so that even fast ones Changes in the optical signal can be detected. For example, a 20 GHz reception bandwidth photodiode is used.
  • the converter device emits an electrical output signal, the time profile of which essentially corresponds to that of the optical transmission signal of the detected wavelength.
  • This electronic output signal is sampled asynchronously, the signal level being measured at arbitrary times, in each case integrated over a time slot of a predetermined length.
  • time slots in the order of picoseconds are used for data rates in the range of Gbit / s.
  • a histogram is generated from the samples, which indicates the relative frequency of a specific signal amplitude or a specific sample.
  • the data is written to a histogram file, which is evaluated with a suitably trained neural network.
  • FIG. 2 shows the relative frequency of a specific signal amplitude for three transmission signals. The amplitude is given in arbitrary units.
  • training data records were created as described below:
  • the three histograms correspond to externally modulated digital signals with a data rate of 5 GBit / s and a non return to zero (NRZ) data format.
  • the digital Data were measured with a ⁇ er to allsgenerator periodicity 2 15 - generated. 1
  • the signal was disturbed on the one hand by adding a delayed and damped signal component for the simulation of crosstalk in the inbanc.
  • a noisy signal was generated by using a damping element and an erbium amplifier in the signal transmission.
  • a signal disturbed by dispersion was generated by cascading standard optical fibers of variable length.
  • Amplitude histograms based on which, according to the invention, the cause of the fault can be deduced by pattern assignment. The differences in the course of
  • amplitude histograms for various causes of interference are recorded with a neural network and assigned to a specific bit error rate class and one or more causes of interference. It is also possible to identify mixed causes of the fault.
  • Neural networks are used to automate the evaluation of the histograms and to assign them to bit error rate classes.
  • An example of such a neural network which proves to be particularly suitable for carrying out the method, is shown in FIG. 3.
  • Figure 3 shows the topology of a "multi-layer perceptron" - neural network. This has an input register of 50 input neurons, which are used to input 50 values from the histogram (input vector). These input values are mapped by the neural network on a series of output values, the output vector.
  • the input-output relation is not known, but must be trained on the neural network. It can be modified by adjusting the individual weights of the connections between the neurons of the individual layers in a training process. In this case WO 00/48337. g. PCT / EP00 / 00420
  • histograms were experimentally recorded, which represent transmission signals with bit error rates from 10 -12 to 10 ⁇ 5 .
  • the signal degradation was caused by noise, crosstalk or dispersion.
  • 50 values from each histogram were combined into an input data record for the neural network and used as input for the neural network.
  • Some of the input data sets serve as training input patterns, the rest as test input patterns in order to validate the method according to the invention.
  • the neural network is trained using the training patterns, one of the training algorithms "Resilient Backpropagation" (Rprop) or "Cascade Correlation” (CC) being used.
  • Rprop Resilient Backpropagation
  • CC Cascade Correlation
  • Each output neuron of the neural network in Figure 3 represents a bit error rate class of 10 ⁇ 5 to 10 ⁇ 12 .
  • the amplitude of the signal at the respective output neuron indicates on which or which of the BER classes the input pattern is to be assigned.
  • the recorded amplitude histograms could be assigned to the previously determined BER class with a very high degree of certainty.
  • the neural network is preferably trained in such a way that in addition to the BER class, the type of disturbance can also be found in the output vector, ie the entries in the output neurons. To so many output neurons must be provided that the output vector represents the relevant BER classes and the relevant types of fault. In the example above with 8 BER classes and 3 types of disturbance, 10 output neurons would have to be provided and the neural network trained accordingly.
  • the invention can be used to monitor the transmission quality of an analog optical
  • the method according to the invention also enables the causes of the deterioration to be tracked down. This enables targeted countermeasures on the part of the network operator to prevent further system degradation.

Landscapes

  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Optical Communication System (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zur Überwachung der Übertragungsqualität eines optischen Übertragungssystems, insbesondere eines optischen Wellenlängenmultiplexnetzes, bei welchem ein Amplitudenhistogramm eines über das Übertragungssystem übertragenen optischen Signals (Übertragungssignal) aufgezeichnet und mittels eines Neuronalen Netzes nach Bitfehlerraten und/oder Störungsursachen klassifiziert wird. Die Erfindung vermeidet es, an das Übertragungssystem hinsichtlich Übertragungsmodus, -format und/oder -takt Anforderungen zu stellen, sondern ist an beliebigen Signalen durchführbar. Des Weiteren ermöglicht die Erfindung die Zuordnung zu Störungsursachen, die von einer herkömmlichen Bitraten-Klassifikation nicht erfassbar sind.

Description

WO 00/48337 " ' " PCT/EP00/00420
Verfahren zur Überwachung der Ubertragungsqualitat eines optischen übertragungsSystems , insbesondere eines optischen ellenlangenm ltiplexnetzes
Technisches Gebiet:
Die Erfindung betrifft ein Verfanren zur Überwachung der Ubertragungsqualitat eines optischen Ubertragungssystems, insbesondere eines optischen Wellenlangenmultiplexnetzes.
Stand der Technik:
Bei jedem optischen Ubertragungssystem, insbesondere aber bei optischen Wellenlangenmultiplex-Systemen (WDM-Systemen) , stellt sich das Problem der Überwachung der Ubertragungsqualitat, um eine bestimmte Dienstequalitat (Quality of Service - QoS) zu garantieren und langsame
Systemverschlechterungen (Degradation) aufspuren zu können. Transparente optische Wellenlangenmultiplex-Systeme werden zunehmend eingesetzt, da sie m erheblichem Maße die Kapazität und Flexibilität der heutigen Informations- und Telekommunikationsnetze erhohen, über eine optische
Lichtleitfaser wird dabei nicht nur ein optisches Signal einer einzigen Wellenlange übertragen, sondern durch die Verwendung einer Mehrzahl von Wellenlangen werden mehrere optische Kanäle zur Verfugung gestellt, die voneinander unabhängig sind. Bei optischen Wellenlangenmultiplexnetzen handelt es sich um transparente, analoge
Ubertragungssysteme, die in der Regel digitale Nutzsignale übertragen sollen und damit die Realisierung verschiedenster Telekommunikationsdienste ermöglichen. Eine der wesentliche Vorteile der Transparenz ist es, daß die Datenrate und das Format für jeden optischen Kanal eines
Wellenlangenmultiplex-Systems unabhängig voneinander gewählt werden kann. Diese dazugewonne Flexibilität kommt den Anforderungen der Kunden entgegen und ermöglicht es, neue Dienste zu integrieren. Auf der anderen Seite ist das Garantieren einer bestimmten Dienstequalitat und das Aufspuren von langsamen Systemverschlechterungen gerade wegen des nicht festgelegten Datenformats ein ernstes Problem in transparenten Netzen.
Ein wesentlicher Parameter für die Beurteilung der Dienstequalität eines digitalen Signals bei der Übertragung über ein optisches Netz ist die Bitfehlerrate (BER) . Üblicherweise werden zur Abschätzung der BER des transportierten Nutzsignals bestimmte Overhead-Bytes des gewählten Übertragungsformats (z. B. SDH, ATM, etc.) ausgewertet. Dieses Verfahren kann in transparenten optischen Systemen, bei denen das Datenformat a priori nicht festgelegt ist, jedoch nicht verwendet werden. Darüber hinaus läßt die Auswertung der BER keine Rückschlüsse auf die Ursache einer eventuell auftretenden Signaldegradation zu. Wird zur Beurteilung der Signalgüte dagegen lediglich das Augendiagramm des empfangenen Datensignals ausgewertet, so benötigt auch dieses Verfahren den Bit-Takt des auszuwertenden Signals. Die elektronische Gewinnung des Bit- Taktes ist mit vertretbarem Aufwand nur für feste, dem auswertenden System bekannte Datenraten möglich. Diese Randbedingung schränkt die Transparenz von optischen Transportnetzen (WDM-Netze) in unakzeptabler Weise ein.
Technische Aufgabe: Der Erfindung liegt daher die Aufgabe zugrunde, ein
Verfahren zur Überwachung der Übertragungsqualität eines optischen Übertragungssystems anzugeben, welches insbesondere zur Kontrolle eines transparenten Übertragungssystems, z.B. eines WDM-Netzes, geeignet ist, bei welchem die Datenrate und das Übertragungsformat flexibel und nicht a priori festgelegt ist.
Offenbarung der Erfindung:
Die Aufgabe wird bei einem Verfahren zur Überwachung der Übertragungsqualität eines optischen Übertragungssystems, insbesondere eines optischen Wellenlangenmultiplexnetzes, dadurch gelöst, daß ein Amplitudenhistogramm eines über das Ubertragungssyste übertragenen optischen Signals (Übertragungssignal) aufgezeichnet und mittels eines Neuronalen Netzes nach Bitfehlerraten und/oder Stόrungsursachen klassifiziert wird.
Vorteilhafte Weiterbildungen des Verfahrens sind in den Unteransprüchen gekennzeichnet.
Das erfindungsgemaße Verfahren ermöglicht es, die Dienstequalität (charakterisiert durch die Bitfehlerrate BER) eines transparenten digitalen Nutzsignals, durch die Erfassung von analogen Werten unabhängig von der Datenrate zu beurteilen und die Ursache (z. B. Rauschen, Dispersion, Crosstalk... ) und Stärke der Systemverschlechterung zu erfassen. Im Gegensatz zu bekannten Verfahren, welche die Bitfehlerrate auf der digitalen Ebene ermitteln und somit ein analoges Übertragungssystem mit digitalen Parametern beurteilen, verwendet das erfindungsgemäße Verfahren ein wesentlich unmittelbareres Beurteilungskriterium, nämlich die Amplitudenverteilung des analogen optischen
Übertragungssignals. Aus dieser Amplitudenverteilung wird die Information über den Zustand des Übertragungssystems gewonnen, indem sie mittels eines Neuronalen Netzes bestimmten digitalen Parametern, nämlich bestimmten Werten der BER, zugeordnet wird. Durch Auswertung eines
Amplitudenhistogramms kann zudem auch auf die Art der Störung rückgeschlossen werden, die zu einer bestimmten BER führt. Diese Information steckt im wesentlichen in der Amplitudenverteilung und geht bei einer Auswertung auf digitaler Ebene verloren. Das erfindungsgemäße Verfahren ermöglicht daher auch den Rückschluß auf die Ursache der Störung bzw. Degradation und damit ein gezieltes Eingreifen in das Übertragungssystems zur Behebung dieser Einflüsse. Des weiteren kann vorteilhaft auf die Kenntnis der Übertragungsrate bzw. des Übertragungsformates verzichtet werden. Das wesentliche Prinzip der Erfindung besteht darin, mit Hilfe von lernenden, neuronalen Netzen und analogen Signalwerten in Form von Ampl tudenhistogrammen als Eingangs- oder Meßdaten, die EER zu beurteilen unα die Ursache einer Signalverschlechterung aufzuzeigen. Dabei arbeitet das Verfahren wie folgt: Das Ubertragungssignal wird mit einer optischen Erfassungseinrichtung aufgenommen, vorzugsweise einer Photodiode mit hoher Bandbreite. Das elektrische Ausgangssignal der Erfassungseinrichtung wird asynchron abgetastet. Hierzu ist keine Taktruckgewinnung notwendig. Wichtig für die Abtastung ist ein willkürlich gewählter Zeitschlitz und die Sammlung einer hohen Anzahl von Abtastwerten, die alle relevanten statistischen Eigenschaften des Signals beinhalten. Auch ist es wichtig, daß die Zeitschlitze der Abtasteinheiten kurz genug sind, um auch schnelle, oszillatorische Störungen, die z. B. durch Inband-Nebensprechen (Cross-Talk) verursacht werden, zu erfassen. Das Amplitudenhistogrammen kann beispielsweise mit einem Oszilloskop aufgenommen werden, welches das Ausgangssignal der Erfassungseinrichtung zeitlich gerastert abfragt.
Die Daten des Amplitudenhistogramms werden normiert, um sie von absoluten Amplitudenwerten und der gewählten Skalierung des Histogramms unabhängig zu machen. Anschließend werden die aufgenommenen Amplitudenhistogrammdaten geeignet vorverarbeitet, um sie dem neuronalen Netz präsentieren zu können. Dazu wird dem Amplitudenhistogramm eine bestimmte Anzahl von y-Werten entnommen, die an festgelegten x-Werten des Histogrammdiagramms (vgl. Figur 2) ermittelt werden. Anschließend werden die entnommenen Werte gleichmäßig so angehoben, so dss der höchste Wert < 1 ist. Nun werden die Werte den Neuronen der Eingabeschicht präsentiert.
Die Anzahl der Werte entspricht der Anzahl der
Eingangsneuronen des neuronalen Netzes. Das neuronale Netz propagiert die angelegten Werte durch das Netz, ordnet die Eingabedaten einer dazugehörigen Eitfehlerratenklasse zu und zeigt als weiteren Ausgabewert die Art der Störung an. Die Funktion und Arbeitsweise von neuronalen Netzen ist in der Literatur hinlänglich beschrieben. Sie werden in αer Praxis auf einer Datenverarbeitungseinrichtung durch ein Computerprogramm realisiert.
Damit die eingesetzten neuronalen Netze die ihnen gestellte Aufgaben lösen können, ist es notwendig sie vorher zu trainieren. Dazu werden verschiedene Trainingsmuster ausgewählt und zu einer Trainingsmusterdatei zusammengefügt. Die Trainingsmuster sind beispielsweise berechnete oder gemessene und vorverarbeitete Amplitudenhistogramme, die verschiedenen bekannten Bitfehlerratenklassen und Störungsarten entsprechen.
Bei neuronalen Netzen handelt es sich um lernende konnektionistische Systeme. Sie bestehen in der Regel aus einer Schicht Neuronen, die die Eingabeschicht bilden (Eingangsneuronen) , einer oder mehrerer vesteckter Schichten (Hidden-Neuronen) und einer Schicht Neuronen, die die Ausgabeschicht bilden. Jedes Neuron hat eine bestimmte Übertragungsfunktion. Zwischen den Neuronen der verschiedenen Schichten bestehen Verbindungen mit verschiedenen Gewichtungen (positiv, null oder negativ) . Der Eingabewert eines Neurons ergibt sich durch die Gesamtheit der gewichteten Ausgabewerte der Neuronen der vorherigen Schicht.
Bei dem Training werden die einzelnen Gewichte der
Verbindungen zwischen den Neuronen so eingestellt, daß zu der Eingabe die richtige Ausgabe erscheint. Die Funktion und Arbeitsweise der verschiedenen Trainingsalgorithmen für neuronale Netze sind prinzipiell bekannt. Vor dem Training und dem Einsatz des neuronalen Netzes wird die neuronale Netztopologie und das zu verwendende Trainingsverfahren ausgewählt. Als besonders geeignet hat sich als neuronales WO 00/48337 . g . PCT/EP00/00420
Netz ein Mult -Layer-Perceptron erwiesen, welches mit einer Reihe von Trammgsdatensatzen unter Verwendung der Trainingsverf hren Cascade Correlation (CC) oder Resilient Backpropagaticn (RProp) trainiert wurde.
Der Vorteil αes Verfahrens ist es, daß keine mathematischen Algorithmen entwickelt werαen müssen, um Aussagen über die Art einer auftretenden Störung und den Grad der Signaldegradation zu machen. Samtliehe Signale sind ohne Kenntnis des Ubertragungsformats und/oder des Taktes analysierbar; daher wird die Transparenz von optischen Übertragungssystemen wie WDM-Netzen optimal unterstützt und nicht eingeschränkt. Da es sich bei den neuronalen Netzen um massiv parallele Strukturen handelt, steht ein Ergebnis sehr viel schneller zur Verfugung als ein durch einen mathematischen Algorithmus erzeugtes Ergebnis. Ein weiterer Vorteil des Verfahrens ist, daß sich auch bei der Beurteilung von unbekannten, nicht vorhergesehenen Eingabemustern, sinnvolle Ausgabewerte ergeben.
Kurzbeschreibung der Zeichnung:
Figur 1 Ein Blockschaltbild eines erfindungsgemäßen
Verfahrens; Figur 2 ein Amplitudenhistogramm eines optischen Übertragungssignals;
Figur 3 die Topologie eines neuronalen Netzes in Form eines Multi-Layer-Perceptrons .
Figur 1 zeigt ein Blockschaltbild eines erfindungsgemäßen Verfahrens. Aus einem optischen WDM-Signal, welches sich aus einer Vielzahl von Wellenlangenkomponenten zusammensetzen kann, wird mit Hilfe eines optischen Filters ein optischer Kanal ausgewählt. Damit fällt nur Licht in einem bestimmten, vom Filter transmittierten Wellenlängenbereich auf eine opto-elektronische Wandlereinrichtung. Die
Wandlereinrichtung ist ein Photodetektor, vorzugsweise eine Photodiode mit hoher Bandbreite, so daß auch schnelle Änderungen des optischen Signais erfaßbar sind. Beispielsweise wird eine Photodiode mit 20 Ghz Empfangsbandbreite benutzt. Die Wandlereinrichtung gibt ein elektrisches Ausgangssignal ab, dessen zeitlicher Verlauf im wesentlichen dem des optischen Übertragungssignals der detektierten Wellenlänge entspricht. Dieses elektronische Ausgangssignal wird asynchron abgetastet, wobei die Signalhöhe zu willkürlichen Zeitpunkten, jeweils integriert über einen Zeitschlitz vorbestimmter Länge, gemessen wird. Um ein Ausmitteln von Signalschwankungen innerhalb des Zeitschlitzes zu verhindern und somit auch schnelle Signalschwankungen erfassen zu können, werden bei Datenraten im Bereich von Gbit/s Zeitschlitze in der Größenordnung von Picosekunden verwendet. Um die vollständige Statistik des Übertragungssignals zu erhalten, werden eine Vielzahl solcher Abtastwerte gesammelt, vorzugsweise einige Tausend bis einige Hunderttausend pro Histogramm» Aus den Abtastwerten wird ein Histogramm erstellt, welches die relative Häufigkeit einer bestimmten Signalamplitude bzw. eines bestimmten Abtastwertes angibt. Die Daten werden in eine Histogramm-Datei geschrieben, welche mit einem geeignet trainierten neuronalen Netz ausgewertet wird.
Figur 2 zeigt drei Beispiele für Histogramme, die der Bitfehlerratenklasse BER = 10 -11 zugeordnet sind. In Figur 2 dargestellt ist für drei Übertragungssignal die relative Häufigkeit einer bestimmten Signalamplitude. Die Amplitude ist in willkürlichen Einheiten angegeben.
Zur Anwendung des Verfahrens ist es notwendig, dass vorher die verwendeten neuronalen Netze trainiert werden. Hierzu wurden Trainingsdatensätze, wie im Folgenden beschrieben, erzeugt:
Die drei Histogramme entsprechen extern modulierten digitalen Signalen mit einer Datenrate von 5 GBit/s und einem Non Return to Zero (NRZ) Datenformat. Die digitalen Daten wurden mit einem Zu allsgenerator αer Periodizitat 215- 1 erzeugt. Das Signal wurαe zum einen durch Addieren einer verzögerten und gedampften Signalkcmponente zur Simulation von im Inbanc-Nebensprechen (crosstalk) gestört. Ein verrauschtes Signal (noise wurde erzeugt, indem ein dampfendes Element und ein Erbium-Verstarker bei der Signalubertragung verwendet wurde. Ein durch Dispersion gestörtes Signal wurde erzeugt, indem Standard- Lichtleitfasern variabler Lange kaskadiert wurden. Obwohl diesen drei Storungstypen im dargestellten Beispiel jeweils die gleiche Bitfehlerratenklasse zugeordnet ist, erkennt man anhand der Figur 2 stark unterschiedliche
Amplitudenhistogramme, anhand derer erfindungsgemaß durch Musterzuordnung auf die Storungsursache ruckgeschlossen werden kann. Die Unterschiede im Verlauf des
Amplitudenhistogramms bei verschiedenen Storungsursachen werden erfindungsgemaß mit einem neuronalen Netz erfaßt und einer bestimmten Bitfehlerratenklasse und einer oder mehrerer Storungsursachen zugeordnet. Dabei ist es auch möglich, gemischte Storungsursachen zu erkennen.
Um die Auswertung der Histogramme zu automatisieren und sie Bitfehlerraten-Klassen zuzuordnen, werden neuronale Netzwerke verwendet. Ein Beispiel für ein solches neuronales Netzwerk, welches sich zur Durchführung des Verfahrens als besonders geeignet erweist, ist in Figur 3 dargestellt. Figur 3 zeigt die Topologie eine "Multi-Layer-Perceptron"- neuronalen Netzwerks. Dieses weist ein Eingaberegister von 50 Eingabe-Neuronen auf, die zur Eingabe von 50 Werten aus dem Histogramm dienen (Eingabe-Vektor) . Diese Eingabewerte werden durch das neuronale Netz auf einer Reihe von Ausgabewerten, den Ausgabe-Vektor abgebildet. Die Eingabe- Ausgabe-Relation ist nicht bekannt, sondern muß dem neuronalen Netz antrainiert werden. Sie kann modifiziert werden, indem die einzelnen Gewichte der Verbindungen zwischen den Neuronen der einzelnen Schichten in einem Trainingsverfahren eingestellt werden. In diesem Fall wurde WO 00/48337 . g . PCT/EP00/00420
das neuronale Netz mit dem " Bacκ-Propagatιon" -Algorithmus trainiert. Er ist beispielsweise in A. Hiramatsu: Training Techniques for Neural Network Applications in ATM, IEEE Communication Magazine, Oct 1995, p. 58-67 beschrieben.
Um gemessene Histogramme zu Bitfehlerratenklassen zuzuordnen, wurden versuchsweise 370 Histogramme aufgezeichnet, die Übertragungssignale mit Bitfehlerraten von 10-12 bis 10~5 repräsentieren. Die Signaldegradation wurde durch Rauschen, Crosstalk oder Dispersion verursacht. In einer Datenvorverarbeitung wurden 50 Werte aus jedem Histogramm zu einem Eingangsdatensatz für das neuronale Netz zusammengefaßt und als Eingabe für das neuronale Netz verwendet. Ein Teil der Eingangsdatensätze dient als Trainings-Eingabemuster, der Rest als Test-Eingabemuster, um das erfindungsgemäße Verfahren zu validieren. Das neuronale Netz wird mit den Trainingsmustern trainiert, wobei einer der Trainingsalgorithmen "Resilient Backpropagation" (Rprop) oder "Cascade-Correlation" (CC) verwendet wurde. Nach der Trainingsphase wurden die Testmuster verwendet, um festzustellen, ob das neuronale Netz den Test-Histogrammen die korrekte, zuvor experimentell bestimmte Bitfehlerrate zuordnet.
Jedes Ausgabeneuron des neuronalen Netzes in Figur 3 repräsentiert eine Bitfehlerratenklasse von 10~5 bis 10~12. Die Amplitude des Signals am jeweiligen Ausgabeneuron gibt an, an welchem oder welchen der BER-Klassen das Eingabemuster zuzuordnen ist. In obigem Beispiel konnten die aufgezeichneten Amplitudenhistogramme mit sehr hoher Sicherheit der zuvor bestimmten BER-Klasse zugeordnet werden.
Das neuronale Netz wird in einer Weiterbildung des Verfahrens vorzugsweise so trainiert, daß neben der BER- Klasse auch die Störungsart dem Ausgabevektor, d.h. den Einträgen der Ausgabeneuronen, entnommen werden kann. Dazu sind so viele Ausgabeneuronen vorzusehen, daß der Ausgabevektcr die relevanten BER-Klassen sowie die relevanten Stcrungsarten repräsentiert. Im obigen Beispiel mit 8 BER-Klassen und 3 Stcrungsarten müßten daher 10 Ausgabeneuronen vorgesehen und das neuronale Netz entsprechend trainiert werden.
Gewerbliche Anwendbarkeit:
Die Erfindung läßt sich zur Überwachung der Übertragungsqualität eines analogen optischen
Übertragungssystems, insbesondere eines WDM-Netzes, vorteilhaft gewerblich einsetzen. Neben der Klassifikation der Übertragungsqualität nach bestimmten Bitfehlerratenklassen ermöglicht das erfindungsgemäße Verfahren auch ein Aufspüren der Verschlechterungsursachen. Dadurch wird ein gezieltes Gegensteuern seitens des Netzbetreibers zum Verhindern weiterer Systemdegradation möglich.

Claims

Patentansprüche
1. Verfahren zur Überwachung der Übertragungsqualität eines optischen Übertragungssystems, insbesondere eines optischen Wellenlangenmultiplexnetzes, dadurch gekennzeichnet, daß ein Amplitudenhistogramm eines über das Übertragungssystem übertragenen optischen Signals (Übertragungssignal) aufgezeichnet und mittels eines Neuronalen Netzes nach Bitfehlerraten und/oder Störungsursachen klassifiziert wird.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß aus dem Amplitudenhistogramm Eingabedaten gewonnen werden, die einem neuronalen Netz zugeführt werden, welches aus den Eingabedaten Ausgabewerte erzeugt, und die
Ausgabewerte Schätzwerten der Bitfehlerrate des Signals zugeordnet werden.
3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, daß die Ausgabewerte Störungsursachen des Signals zugeordnet sind, wie z. B. Rauschen, Nebensprechen (Cross-talk) , Signalverzerrungen.
4. Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichne , daß das Amplitudenhistogramm vor der Präsentation an das neuronale Netz vorverarbeitet wird, indem es normiert und daraus eine vorbestimmte Anzahl von Daten ausgewählt wird, die den Eingangsneuronen des neuronalen Netzes zugeführt werden, wobei die Anzahl der ausgewählten Daten der Anzahl der Eingangsneuronen entspricht.
5. Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichne , daß das Ubertragungssignal nach elektro-optische Umwandlung asynchron abgetastet wird und die Abtastwerte in das Amplitudenhistogramm eingehen.
6. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, daß die Lange des für das Abtasten des optischen Signals verwendeten Zeitschlitzes derart an die
Datenübertragungsrate angepaßt ist, daß auch schnelle Oszillationen der Amplitude des Ubertragungssignals erfaßbar sind und nicht ausgemittelt werden.
7. Verfahren nach Anspruch 6, dadurch gekennzeichnet, daß die Lange des Zeitschlitzes in der Größenordnung Picosekunden liegt.
8. Verfahren nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, daß das Ubertragungssignal im Falle eines
Wellenlangenmultiplexnetzes das über einen optischen Kanal mit einer vorbestimmten Grundwellenlange übertragene Signal ist.
9. Verfahren nach einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, daß das Neuronale Netz ein Multi-Layer-Perceptron ist, welches mit einer Reihe von Trainingsdatensatzen, deren Ausgabewert bekannt ist, unter Verwendung der
Trainingsverfahren Cascade Correlation (CC) oder Resilient Backpropagation (RProp) trainiert wurde.
PCT/EP2000/000420 1999-02-12 2000-01-20 Verfahren zur überwachung der übertragungsqualität eines optischen übertragungssystems, insbesondere eines optischen wellenlängenmultiplexnetzes WO2000048337A1 (de)

Priority Applications (4)

Application Number Priority Date Filing Date Title
DE50000752T DE50000752D1 (de) 1999-02-12 2000-01-20 Verfahren zur überwachung der übertragungsqualität eines optischen übertragungssystems, insbesondere eines optischen wellenlängenmultiplexnetzes
EP00903593A EP1153488B1 (de) 1999-02-12 2000-01-20 Verfahren zur überwachung der übertragungsqualität eines optischen übertragungssystems, insbesondere eines optischen wellenlängenmultiplexnetzes
US09/913,375 US6965736B1 (en) 1999-02-12 2000-01-20 Method for monitoring the transmission quality of an optical transmission system, in particular of an optical wavelength-division multiplex network
AT00903593T ATE227907T1 (de) 1999-02-12 2000-01-20 Verfahren zur überwachung der übertragungsqualität eines optischen übertragungssystems, insbesondere eines optischen wellenlängenmultiplexnetzes

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE19905814.8 1999-02-12
DE19905814A DE19905814A1 (de) 1999-02-12 1999-02-12 Verfahren zur Überwachung der Übertragungsqualität eines optischen Übertragungssystems, insbesondere eines optischen Wellenlängenmultiplexnetzes

Publications (1)

Publication Number Publication Date
WO2000048337A1 true WO2000048337A1 (de) 2000-08-17

Family

ID=7897253

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2000/000420 WO2000048337A1 (de) 1999-02-12 2000-01-20 Verfahren zur überwachung der übertragungsqualität eines optischen übertragungssystems, insbesondere eines optischen wellenlängenmultiplexnetzes

Country Status (5)

Country Link
US (1) US6965736B1 (de)
EP (1) EP1153488B1 (de)
AT (1) ATE227907T1 (de)
DE (2) DE19905814A1 (de)
WO (1) WO2000048337A1 (de)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1239623A2 (de) * 2001-03-07 2002-09-11 Nippon Telegraph and Telephone Corporation Optisches Wellenlängenmultiplexsignal Überwachungsgerät
WO2003005620A2 (de) * 2001-07-05 2003-01-16 Siemens Aktiengesellschaft Verfahren und anordnung zur ermittlung und trennung von einzelkanaleffekten bei der optischen übertragung eines wellenlängen-multiplex (-wdm)-signals
CN109889258A (zh) * 2018-12-06 2019-06-14 国家电网有限公司 一种光网络故障校验方法和设备
WO2023216553A1 (zh) * 2022-05-11 2023-11-16 广东电网有限责任公司东莞供电局 一种配电网多重故障诊断方法及系统

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10111497B4 (de) * 2001-03-09 2007-01-11 Siemens Ag Verfahren zur Ermittlung der Signalqualität bei optischen Übertragungssystemen
FR2844407B1 (fr) * 2002-09-05 2004-12-03 Thomson Licensing Sa Procede de selection de canal de transmission et recepteur de signaux a diversite d'antenne
JP4468656B2 (ja) * 2003-05-27 2010-05-26 株式会社日立製作所 信号波形劣化補償器
DE10334428A1 (de) * 2003-07-28 2005-02-24 Siemens Ag Verfahren zur Ermittlung der Qualität eines optischen Signals
EP3220550B1 (de) * 2016-03-18 2019-06-05 Rohde & Schwarz GmbH & Co. KG Verfahren und vorrichtung zur analyse eines übertragungssignals
US10236982B1 (en) * 2017-12-21 2019-03-19 Ciena Corporation Fiber parameter identification
US10404362B1 (en) * 2018-02-22 2019-09-03 Subcom, Llc Fault detection and reporting in line monitoring systems
IT201800003363A1 (it) 2018-03-08 2019-09-08 Milano Politecnico Metodo per monitorare un sistema di comunicazioni ottiche
CN111060815B (zh) * 2019-12-17 2021-09-14 西安工程大学 基于GA-Bi-RNN的高压断路器故障诊断方法
CN113837120A (zh) * 2021-09-28 2021-12-24 华中科技大学 基于神经网络的多芯光纤串扰监测方法与系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10239214A (ja) * 1997-02-25 1998-09-11 Nippon Telegr & Teleph Corp <Ntt> 光線路特性の自動解析方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2015211C (en) * 1989-04-28 1993-10-05 Takao Matsumoto Optical wavelength demultiplexer
US5144642A (en) * 1990-06-07 1992-09-01 Stanford Telecommunications, Inc Interference detection and characterization method and apparatus

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10239214A (ja) * 1997-02-25 1998-09-11 Nippon Telegr & Teleph Corp <Ntt> 光線路特性の自動解析方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ATSUSHI HIRAMATSU: "TRAINING TECHNIQUES FOR NEURAL NETWORK APPLICATIONS IN ATM", IEEE COMMUNICATIONS MAGAZINE,US,IEEE SERVICE CENTER. PISCATAWAY, N.J, vol. 33, no. 10, 1 October 1995 (1995-10-01), pages 58,63 - 67, XP000545274, ISSN: 0163-6804 *
MUELLER,HANIK,GLADISCH,FOISEL,CASPAR: "APPLICATION OF AMPLITUDE HISTOGRAMS FOR QUALITY OF SERVICE MEASUREMENTS OF OPTICAL CHANNELS AND FAULT IDENTIFICATION", ECOC98, 20 September 1998 (1998-09-20) - 24 September 1998 (1998-09-24), Madrid, Spanien, pages 707 - 708, XP000887223 *
PATENT ABSTRACTS OF JAPAN vol. 1998, no. 14 31 December 1998 (1998-12-31) *
SHAKE,TAKARA,KAWANISHI,YAMABAYASHI: "OPTICAL SIGNAL QUALITY MONITORING METHOD BASED ON OPTICAL SAMPLING", ELECTRONICS LETTERS, vol. 34, no. 22, 29 October 1998 (1998-10-29), pages 2152 - 2154, XP000886728 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1239623A2 (de) * 2001-03-07 2002-09-11 Nippon Telegraph and Telephone Corporation Optisches Wellenlängenmultiplexsignal Überwachungsgerät
EP1239623A3 (de) * 2001-03-07 2006-03-08 Nippon Telegraph and Telephone Corporation Optisches Wellenlängenmultiplexsignal Überwachungsgerät
US7079765B2 (en) 2001-03-07 2006-07-18 Nippon Telegraph And Telephone Corporation Optical wavelength division multiplex signal monitoring apparatus
WO2003005620A2 (de) * 2001-07-05 2003-01-16 Siemens Aktiengesellschaft Verfahren und anordnung zur ermittlung und trennung von einzelkanaleffekten bei der optischen übertragung eines wellenlängen-multiplex (-wdm)-signals
WO2003005620A3 (de) * 2001-07-05 2003-06-26 Siemens Ag Verfahren und anordnung zur ermittlung und trennung von einzelkanaleffekten bei der optischen übertragung eines wellenlängen-multiplex (-wdm)-signals
CN109889258A (zh) * 2018-12-06 2019-06-14 国家电网有限公司 一种光网络故障校验方法和设备
WO2023216553A1 (zh) * 2022-05-11 2023-11-16 广东电网有限责任公司东莞供电局 一种配电网多重故障诊断方法及系统

Also Published As

Publication number Publication date
EP1153488B1 (de) 2002-11-13
US6965736B1 (en) 2005-11-15
DE50000752D1 (de) 2002-12-19
EP1153488A1 (de) 2001-11-14
DE19905814A1 (de) 2000-08-17
ATE227907T1 (de) 2002-11-15

Similar Documents

Publication Publication Date Title
EP1153488B1 (de) Verfahren zur überwachung der übertragungsqualität eines optischen übertragungssystems, insbesondere eines optischen wellenlängenmultiplexnetzes
DE69736856T2 (de) Überwachung von nichtlinearen Effekten in einem optischen Übertragungssystem
DE69530276T2 (de) Pulsbasiertes Übersprechmessgerät mit Steckverbinderübersprechkompensation
DE60226190T2 (de) Verfahren und Vorrichtung zur Messung und Bestimmung des optischen Signal-Rauschverhältnis in optischen Netzwerken
DE60002964T2 (de) Verfahren und vorrichtung zum automatischen erkennen von störungen in einem optischen kommunikationssystem mittels zwischenverstärker-schleifenverstärkungs-signaturen
DE69834999T2 (de) Qualitätsüberwachungssystem von optischen Signalen mit verschiedenen Bitraten
DE69820005T2 (de) Detektion der Wellenformveränderung verursacht durch chromatische Dispersion
DE60311576T2 (de) Spektrale Jitter-Analyse mit Jitter-Modulation-Wellenform-Analyse
DE69727061T2 (de) System mit durch rückkopplung kontrollierten optischen verstärkern
DE69823609T2 (de) Überwachung der optischen Signalleistung mit einem Signaturbitmuster in WDM Systemen
DE10111497B4 (de) Verfahren zur Ermittlung der Signalqualität bei optischen Übertragungssystemen
EP1166487B1 (de) Verfahren und anordnung zur messung der signalqualität in einem optischen übertragungssystem
DE60213726T2 (de) Verfahren und Vorrichtung zur Bestimmung des Ursprungs des Qualitätsverlustes von optischen Signalen
DE60132683T2 (de) Verfahren und Vorrichtung zur Überwachung eines optischen Zwischenverstärkers
DE102009023301B4 (de) Steuervorrichtung mit einer Erkennungsschaltung für die Schädigung eines seriellen Datensignals
DE68902224T2 (de) Verfahren zum analysieren von optischen komponenten, optischen fasern oder netzwerken von optischen leitern durch zeitbereichsreflektometrie und zeitbereichsreflektometer.
DE60216328T2 (de) Jitter-spektrum-analyse
CH652543A5 (de) Verfahren und einrichtung zur ueberwachung einer uebertragungsanlage.
EP1063793B1 (de) Verfahren zum Messen der Signalqualität eines optischen Datensignals
EP1224754B1 (de) Verfahren und einrichtung zur kontinuierlichen überwachung einer optischen übertragungsstrecke
DE69912366T2 (de) Verfahren und Vorrichtung zur Überwachung von dispersiver Wellenenergie zum optimieren der Solitonübertragungsleistung
DE602004003968T2 (de) Optischer Empfänger und Verfahren zur Kompensation der chromatischen Dispersion
DE19930975C2 (de) Verfahren zur Ermittlung des individuellen Übersprechens in Wellenlängenmultiplex-Systemen und Wellenlängenmultiplex-System
DE60300434T2 (de) Vorrichtung zur Messung und/oder zur dynamischen Kontrolle von Verlustleistung in einer optischen Übertragungsleitung und zugehöriges Verfahren
DE60102554T2 (de) Messung optischer Multi-Port Vorrichtungen

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A1

Designated state(s): US

AL Designated countries for regional patents

Kind code of ref document: A1

Designated state(s): AT BE CH CY DE DK ES FI FR GB GR IE IT LU MC NL PT SE

DFPE Request for preliminary examination filed prior to expiration of 19th month from priority date (pct application filed before 20040101)
WWE Wipo information: entry into national phase

Ref document number: 2000903593

Country of ref document: EP

121 Ep: the epo has been informed by wipo that ep was designated in this application
WWP Wipo information: published in national office

Ref document number: 2000903593

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 09913375

Country of ref document: US

WWG Wipo information: grant in national office

Ref document number: 2000903593

Country of ref document: EP