WO2023058141A1 - 通信システム、通信方法及びプログラム - Google Patents

通信システム、通信方法及びプログラム Download PDF

Info

Publication number
WO2023058141A1
WO2023058141A1 PCT/JP2021/036920 JP2021036920W WO2023058141A1 WO 2023058141 A1 WO2023058141 A1 WO 2023058141A1 JP 2021036920 W JP2021036920 W JP 2021036920W WO 2023058141 A1 WO2023058141 A1 WO 2023058141A1
Authority
WO
WIPO (PCT)
Prior art keywords
unit
optical
optical signal
learning
communication system
Prior art date
Application number
PCT/JP2021/036920
Other languages
English (en)
French (fr)
Inventor
貴章 田中
伸悟 河合
哲郎 乾
Original Assignee
日本電信電話株式会社
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 日本電信電話株式会社 filed Critical 日本電信電話株式会社
Priority to PCT/JP2021/036920 priority Critical patent/WO2023058141A1/ja
Priority to JP2023552464A priority patent/JPWO2023058141A1/ja
Publication of WO2023058141A1 publication Critical patent/WO2023058141A1/ja

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
    • H04B10/075—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems using an in-service signal

Definitions

  • the present invention relates to a communication system, communication method and program.
  • Non-Patent Document 1 it is proposed to use a neural network that uses as an input parameter a constellation in which a digital modulated signal obtained by a receiver of a digital coherent optical transceiver is visualized by a two-dimensional plot of real/imaginary axes. More specifically, methods have been proposed that use such neural networks to identify distortions in the constellation caused by state changes due to bending, pressure, etc. applied on the optical fiber.
  • Non-Patent Document 2 it is shown that by making a neural network learn feature values calculated from a constellation, it is possible to estimate quantities representing transmission characteristics such as unknown chromatic dispersion and optical signal-to-noise ratio.
  • a constellation with known OSNR and PMD is input to the neural network.
  • the process of tuning the weights of the neural network is repeated based on the output result of the neural network and the OSNR and PMD in the input constellation.
  • the neural network learns regularity for each label.
  • a label means a set of OSNR and PMD.
  • the neural network When an unknown unlabeled constellation is input to a neural network that has completed learning, the neural network outputs the most appropriate label based on past regularity.
  • FIG. 17 shows a general system for obtaining a dataset that is a combination of data and labels.
  • the system of FIG. 17 includes an emulation section that can arbitrarily change the transmission characteristics of the optical transmission line between the optical nodes to be measured according to the parameters to be learned.
  • the constellation is acquired from the optical receiver, the neural network is trained by the optical transmission line state learning unit, and the obtained model is used for estimation.
  • the object of the present invention is to provide a technology that reduces the burden required for managing a communication system.
  • a branching unit that branches an optical signal transmitted by a transmitter that transmits an optical signal, and the state of the own system based on information indicating a target characteristic that is a predetermined characteristic of the optical signal. and a learning unit that updates an estimation model, which is a mathematical model for estimation, based on one of the optical signals that have been branched by the branching unit.
  • One aspect of the present invention includes a branching unit that branches an optical signal transmitted by a transmitter that transmits an optical signal, and a mathematical system that estimates the state of the system based on a target characteristic that is a predetermined characteristic of the optical signal.
  • a learning unit that updates an estimated model, which is a model, based on one of the optical signals branched by the branching unit, wherein the estimated model is branched by the branching unit. a learning step of updating based on one of the subsequent optical signals.
  • One aspect of the present invention is a program for causing a computer to function as the above communication system.
  • the present invention makes it possible to reduce the burden required for managing a communication system.
  • FIG. 2 is a diagram showing an example of a hardware configuration of an optical signal receiver in the embodiment; The figure which shows an example of the hardware constitutions of the state learning part in embodiment. The figure which shows an example of a structure of the control part with which the state learning part in embodiment is provided.
  • FIG. 2 is a diagram showing an example of the hardware configuration of an optical receiver according to the embodiment; The figure which shows an example of the hardware constitutions of the estimation part in embodiment. The figure which shows an example of a structure of the control part with which the estimation part in embodiment is provided. The figure which shows an example of the object characteristic information which the training data in embodiment contain.
  • FIG. 1 is a first explanatory diagram for explaining a conventional technique; 2nd explanatory drawing explaining a prior art.
  • FIG. 1 is a diagram showing an example of the configuration of a communication system 100 according to an embodiment.
  • the communication system 100 is a communication system that achieves both communication and reduction of the burden required for managing its own device.
  • the communication system 100 is, for example, a communication system that performs optical fiber communication.
  • a communication system 100 includes a transmitting side optical node device 1 , a learning device 2 and a receiving side optical node device 3 .
  • the transmission-side optical node device 1 transmits an optical signal.
  • the learning device 2 receives the optical signal and updates the mathematical model for estimating the state of the communication system 100 by learning based on the received optical signal.
  • the receiving side optical node device 3 receives the optical signal. Also, the receiving-side optical node device 3 uses the mathematical model obtained by the learning device 2 to estimate the state of the communication system 100 .
  • a mathematical model is a set containing one or more processes whose execution conditions and order (hereinafter referred to as "execution rules") are predetermined.
  • Learning means updating the mathematical model by means of machine learning. Updating the mathematical model means suitably adjusting the values of the parameters in the mathematical model.
  • Execution of the mathematical model means executing each process included in the mathematical model according to execution rules.
  • the mathematical model is updated through learning until a predetermined end condition (hereinafter referred to as "learning end condition") is satisfied.
  • the learning end condition is, for example, that learning has been performed a predetermined number of times.
  • the transmission-side optical node device 1 and the learning device 2 are connected by an optical fiber 4 , and an optical signal propagates from the transmission-side optical node device 1 to the learning device 2 through the optical fiber 4 .
  • the transmitting side optical node device 1 and the receiving side optical node device 3 are connected by an optical fiber 4 , and an optical signal propagates from the transmitting side optical node device 1 to the receiving side optical node device 3 through the optical fiber 4 .
  • the optical fiber 4 is a transmission line (that is, an optical fiber) through which an optical signal propagates.
  • the transmission-side optical node device 1 includes an optical transmitter 11 and an optical branching section 12 .
  • the optical transmitter 11 transmits optical signals.
  • the optical splitter 12 splits an optical signal.
  • the optical splitter 12 is, for example, an optical coupler.
  • the learning device 2 receives the branched optical signal branched by the optical branching unit 12 . More specifically, the learning device 2 receives one of the optical signals branched by the optical branching unit 12 .
  • the learning device 2 includes an emulation section 21 , an optical signal receiving section 22 and a state learning section 23 .
  • the emulation unit 21 changes the characteristics of the received optical signal. That is, the emulation unit 21 is a functional unit that simulates changes that can occur in the optical signal due to events that occur within the communication system 100 to the received optical signal.
  • the modification of the optical signal characteristics by the emulation unit 21 is not the same for all optical signals. It is desirable that the characteristic change be as close to random as possible.
  • the change in the characteristics of the optical signal by the emulation unit 21 may be a change that satisfies a condition instructed by the user.
  • the emulation unit 21 generates multiple types of optical signals.
  • Information indicating the characteristics of the optical signal generated by the emulation unit 21 is used for learning a mathematical model as described later. Therefore, the learning device 2 can perform learning using information indicating characteristics of a plurality of types of optical signals.
  • FIG. 2 is a diagram showing an example of the hardware configuration of the emulation unit 21 in the embodiment.
  • the emulation unit 21 includes a control unit 211 including a processor 91 such as a CPU (Central Processing Unit) connected via a bus and a memory 92, and executes programs.
  • the emulation unit 21 functions as a device including a control unit 211, a communication unit 212, a storage unit 213, an optical characteristic changing unit 214, and an optical spectrum analyzer 215 by executing programs.
  • a control unit 211 including a processor 91 such as a CPU (Central Processing Unit) connected via a bus and a memory 92, and executes programs.
  • the emulation unit 21 functions as a device including a control unit 211, a communication unit 212, a storage unit 213, an optical characteristic changing unit 214, and an optical spectrum analyzer 215 by executing programs.
  • the processor 91 reads the program stored in the storage unit 213 and stores the read program in the memory 92 .
  • the emulation unit 21 functions as a device including a control unit 211, a communication unit 212, a storage unit 213, an optical characteristic change unit 214, and an optical spectrum analyzer 215. .
  • the control unit 211 controls operations of various functional units provided in the emulation unit 21 .
  • the control unit 211 controls the operation of the optical characteristic changing unit 214, for example.
  • the control unit 211 controls the operation of the optical spectrum analyzer 215 and acquires the analysis result of the optical spectrogram analyzer.
  • the control unit 211 records various information in the storage unit 213, for example.
  • the communication unit 212 includes a communication interface for connecting the emulation unit 21 to an external device.
  • the communication unit 212 communicates with an external device via wire or wireless.
  • the external device is, for example, the state learning section 23 .
  • the communication unit 212 transmits to the state learning unit 23 information indicating the content of the change made by the optical characteristic changing unit 214 (hereinafter referred to as “change content information”).
  • change content information the content of the change made by the optical characteristic changing unit 214
  • the communication unit 212 may be communicably connected to a computer operated by a user, and may receive user operations on the emulation unit 21 .
  • the storage unit 213 is configured using a computer-readable storage medium device such as a magnetic hard disk device or a semiconductor storage device.
  • the storage unit 213 stores various information regarding the emulation unit 21 .
  • the storage unit 213 may store change content information, for example.
  • the optical signal branched by the optical branching unit 12 enters the optical characteristic changing unit 214 . That is, the reception of the optical signal by the learning device 2 means the reception of the optical signal by the optical characteristic changing unit 214 .
  • the optical property changing unit 214 changes the property of the optical signal.
  • the characteristic may be, for example, chromatic dispersion, polarization mode dispersion, or signal-to-noise ratio.
  • the optical characteristic changing unit 214 includes a chromatic dispersion generator 216 , a polarization mode dispersion generator 217 and an ASE (Amplified Spontaneous Emission) light source 218 .
  • a chromatic dispersion generator 216 changes the chromatic dispersion.
  • a polarization mode dispersion generator 217 changes the polarization mode dispersion (PMD).
  • ASE light source 218 adds noise to the signal.
  • the configuration of the optical characteristic changing unit 214 in FIG. 2 is an example, and the optical characteristic changing unit 214 may have any configuration as long as it can change the desired characteristics of the optical signal. Therefore, the optical characteristic changing unit 214 may include, for example, only one of the chromatic dispersion generator 216, the polarization mode dispersion generator 217, or the ASE light source 218, or may include only any two of them. good. Also, the optical characteristic changer 214 may include, for example, a device for changing the characteristics of an optical signal other than the chromatic dispersion generator 216, the polarization mode dispersion generator 217, and the ASE light source 218. FIG.
  • the emulation unit 21 outputs the optical signal converted by the optical characteristic changing unit 214 .
  • the control unit 211 acquires from the optical characteristic changing unit 214 information indicating how the optical characteristic changing unit 214 converted the optical signal.
  • Information indicating how the optical characteristic changing unit 214 converted the optical signal is change content information.
  • control unit 211 controls how each functional unit of the optical characteristic changing unit 214 such as the chromatic dispersion generator 216, the polarization mode dispersion generator 217, or the ASE light source 218 converts the optical signal.
  • Information indicating whether or not is obtained from each functional unit included in the optical characteristic changing unit 214 is used for learning a mathematical model in the state learning unit 23 whose details will be described later.
  • the optical spectrum analyzer 215 analyzes the characteristics of the optical signal after being changed by the optical characteristic changing section 214 .
  • the optical signal receiving unit 22 receives the optical signal output from the emulation unit 21 and performs A/D conversion on the received optical signal.
  • A/D conversion means the process of converting an analog signal into a digital signal.
  • the optical signal receiver 22 is, for example, an analog-to-digital converter.
  • the optical signal receiver 22 outputs an optical signal after A/D conversion.
  • FIG. 3 is a diagram showing an example of the hardware configuration of the optical signal receiving section 22 in the embodiment.
  • the optical signal receiving unit 22 includes a control unit 221 including a processor 903 such as a CPU and a memory 904 connected via a bus, and executes a program.
  • the optical signal receiving section 22 functions as a device including a control section 221, a communication section 222, a storage section 223, a signal receiving section 224, and a signal transmitting section 225 by executing a program.
  • the processor 903 reads the program stored in the storage unit 233 and causes the memory 904 to store the read program.
  • the optical signal receiving unit 22 functions as a device including the control unit 221, the communication unit 222, the storage unit 223, the signal receiving unit 224, and the signal transmitting unit 225. do.
  • the control unit 221 controls operations of various functional units included in the optical signal receiving unit 22 .
  • the control unit 221 records various information in the storage unit 223, for example.
  • the controller 221 performs A/D conversion on the optical signal received by the signal receiver 224, for example.
  • the control unit 221 causes the signal transmission unit 225 to transmit the optical signal after A/D conversion, for example. Note that the control unit 221 may perform signal processing other than A/D conversion such as sampling.
  • the communication unit 222 includes a communication interface for connecting the optical signal receiving unit 22 to an external device.
  • the communication unit 222 communicates with an external device via wire or wireless.
  • the external device is communicably connected to, for example, a computer operated by a user, and receives the user's operation on the optical signal receiver 22 .
  • the storage unit 223 is configured using a computer-readable storage medium device such as a magnetic hard disk device or a semiconductor storage device.
  • the storage unit 223 stores various information regarding the optical signal receiving unit 22 .
  • the signal receiving unit 224 receives the optical signal.
  • the signal transmitter 225 transmits the optical signal after the A/D conversion of the signal receiver 224 .
  • the state learning unit 23 receives the change content information and the optical signal.
  • the state learning unit 23 learns the estimation model using the received change information and the optical signal.
  • the estimation model is a mathematical model for estimating the difference between the optical signal to be estimated and the optical signal in the optical splitter 12 with respect to the target characteristics.
  • a characteristic of interest is a predetermined predetermined characteristic of the optical signal.
  • the estimation model is a mathematical model for estimating how the target characteristics of the optical signal to be estimated have changed from the target characteristics of the optical signal in the optical splitter 12 .
  • Characteristics of interest are, for example, Optical Signal-to-Noise Ratio (OSNR) and polarization mode dispersion.
  • OSNR Optical Signal-to-Noise Ratio
  • polarization mode dispersion The communication system 100 will now be described by taking the characteristics of interest as optical signal-to-noise ratio and polarization mode dispersion as examples.
  • the estimation model may be a mathematical model expressed in any way as long as it is a mathematical model that can be updated by learning.
  • the estimation model is represented by, for example, a neural network.
  • the parameters of the neural network are preferably adjusted based on the value of the objective function (ie loss).
  • the parameters of the neural network are the parameters of the mathematical model it represents.
  • FIG. 4 is a diagram showing an example of the hardware configuration of the state learning unit 23 in the embodiment.
  • the state learning unit 23 includes a control unit 231 including a processor 905 such as a CPU and a memory 906 connected via a bus, and executes a program.
  • the state learning unit 23 functions as a device including a control unit 231, a communication unit 232, a storage unit 233, and a signal reception unit 234 by executing a program.
  • the processor 905 reads the program stored in the storage unit 233 and causes the memory 906 to store the read program.
  • the state learning section 23 functions as a device including the control section 231 , the communication section 232 , the storage section 233 and the signal reception section 234 .
  • the control unit 231 controls the operation of various functional units included in the state learning unit 23.
  • the control unit 231 records various information in the storage unit 233, for example.
  • the control unit 231 executes, for example, an estimation model.
  • the communication unit 232 includes a communication interface for connecting the state learning unit 23 to an external device.
  • the communication unit 232 communicates with an external device via wire or wireless.
  • the external device is, for example, the emulation unit 21 .
  • the communication unit 232 acquires change content information through communication with the emulation unit 21 .
  • the communication unit 232 may be communicably connected to a computer operated by the user and receive the user's operation on the state learning unit 23 .
  • the storage unit 233 is configured using a computer-readable storage medium device such as a magnetic hard disk device or a semiconductor storage device.
  • the storage unit 233 stores various information regarding the state learning unit 23 .
  • the storage unit 233 stores change content information, for example.
  • the storage unit 233 stores, for example, an estimation model in advance.
  • storing a mathematical model means storing a value or a computer program that expresses the mathematical model.
  • the storage unit 233 stores, for example, updated parameter values of the estimation model.
  • the storage unit 233 stores, for example, a learned estimation model.
  • a trained estimation model means an estimation model when a learning end condition is satisfied.
  • the signal receiving unit 234 receives the optical signal.
  • the signal receiver 234 receives the signal output from the optical signal receiver 22, for example.
  • the optical signal receiving section 22 may be provided in the state learning section 23 , and in such a case, the signal receiving section 234 receives the optical signal output from the emulation section 21 .
  • FIG. 5 is a diagram showing an example of the configuration of the control section 231 included in the state learning section 23 in the embodiment.
  • the control unit 231 has a received data processing unit 235 and a mathematical model learning unit 236 .
  • the received data processing unit 235 acquires the change content information acquired by the communication unit 232 and acquires the optical signal received by the signal reception unit 234 .
  • the received data processing unit 235 executes target characteristic acquisition processing on the acquired optical signal.
  • the target characteristic acquisition process is signal processing for acquiring information indicating the target characteristic from the optical signal.
  • information indicating target characteristics is referred to as target characteristic information.
  • the target characteristic acquisition process is, for example, the process of acquiring the optical signal-to-noise ratio and the polarization mode dispersion based on the Fourier transform of the optical signal and the spectrogram obtained by the Fourier transform.
  • the state learning unit 23 includes the optical signal receiving unit 22
  • the optical signal receiving unit 22 is more specifically included in the received data processing unit 235 .
  • A/D conversion is also performed in the target characteristic acquisition process.
  • the received data processing unit 235 also executes training data generation processing.
  • the training data generation process is a process of generating data including the target characteristic information and the change content information using the target characteristic information obtained by the target characteristic acquisition process and the change content information.
  • the data generated in this manner is used as training data for learning the estimation model. Therefore, the training data generation process is a process of generating training data including the target characteristic and the change content information using the target characteristic information and the change content information.
  • the mathematical model learning unit 236 uses the training data to learn the estimation model. More specifically, the mathematical model learning unit 236 first executes an estimation model on the target characteristic information included in the training data. Next, mathematical model learning section 236 updates the estimation model based on the execution result of the estimation model and the change information included in the training data so as to reduce the difference between the execution result of the estimation model and the change information.
  • the estimation model estimates the difference between the optical signal having the target characteristic indicated by the target characteristic information included in the training data and the optical signal in the optical splitter 12 .
  • the emulation unit 21 changes the optical signal of the optical branching unit 12. Therefore, the higher the accuracy of the estimation model is, the more the difference estimated by the estimation model is. equal to the change given to
  • the estimation model is a mathematical model for estimating the difference between the optical signal to be estimated and the optical signal in the optical splitter 12 based on the target characteristic information indicating the target characteristics of the optical signal to be estimated.
  • the mathematical model operator section 236 includes a mathematical model execution section 237 and an update section 238 .
  • a mathematical model execution unit 237 executes an estimation model for the target characteristic information included in the training data.
  • the mathematical model execution unit 237 estimates the difference between the optical signal having the target characteristic included in the training data and the optical signal in the optical branching unit 12 by executing the estimation model.
  • the update unit 238 updates the estimation model based on the result of the estimation by the mathematical model execution unit 237 and the change information included in the training data so as to reduce the difference between the execution result of the estimation model and the change information. .
  • the update of the estimation model by the learning device 2 is performed at predetermined timings until the learning end condition is satisfied.
  • the predetermined timing is hereinafter referred to as learning timing.
  • the learning timing is, for example, periodic timing that occurs every predetermined cycle. That is, the learning device 2 performs a series of processes for updating the estimation model at each learning timing from the start of learning until the learning end condition is satisfied. Therefore, the estimation model that is updated at least at the second and subsequent learning timings is a trained estimation model that satisfies the learning termination condition at the immediately preceding learning timing.
  • the receiving-side optical node device 3 receives the branched optical signal branched by the optical branching unit 12 . More specifically, the receiving-side optical node device 3 receives one of the optical signals branched into a plurality of optical signals by the optical branching unit 12 and different from the optical signal propagating to the learning device 2 .
  • the receiving-side optical node device 3 includes an optical receiver 31 and an estimator 32 .
  • FIG. 6 is a diagram showing an example of the hardware configuration of the optical receiver 31 in the embodiment.
  • the optical receiver 31 includes a control unit 311 including a processor 907 such as a CPU and a memory 908 connected via a bus, and executes a program.
  • the optical receiver 31 functions as a device including a control unit 311, a communication unit 312, a storage unit 313, a signal receiving unit 314, and an optical branching unit 315 by executing a program.
  • the processor 907 reads the program stored in the storage unit 313 and causes the memory 908 to store the read program.
  • the optical receiver 31 functions as a device comprising a control unit 311, a communication unit 312, a storage unit 313, a signal receiving unit 314, and an optical branching unit 315. .
  • the control unit 311 controls operations of various functional units provided in the optical receiver 31 .
  • the control unit 311 records various information in the storage unit 313, for example.
  • the control unit 311 executes target characteristic acquisition processing on the optical signal received by the signal receiving unit 314, the details of which will be described later.
  • the control unit 311 acquires information indicating the target characteristic of the optical signal received by the signal receiving unit 314 by executing the target characteristic acquisition process.
  • the target characteristic information indicating the target characteristic of the optical signal received by the optical receiver 31 will be referred to as estimated target characteristic information.
  • the communication unit 312 includes a communication interface for connecting the optical receiver 31 to an external device.
  • the communication unit 312 communicates with an external device via wire or wireless.
  • the external device is the estimation unit 32, for example.
  • the communication unit 312 transmits the estimation target characteristic information acquired by the control unit 311 to the estimation unit 32 through communication with the estimation unit 32 . Also, the communication unit 312 may be communicably connected to a computer operated by a user, and may receive user operations on the optical receiver 31 .
  • the storage unit 313 is configured using a computer-readable storage medium device such as a magnetic hard disk device or a semiconductor storage device.
  • a storage unit 313 stores various information about the optical receiver 31 .
  • the storage unit 313 stores, for example, estimation target characteristic information.
  • the signal receiving unit 314 receives the optical signal.
  • the signal receiver 314 receives the signal output from the optical transmitter 11 .
  • the optical signal received by the signal receiver 314 is a part of the signal output from the optical transmitter 11 and split by the optical splitter 315 .
  • the optical splitter 315 splits the optical signal.
  • the optical splitter 315 is, for example, an optical coupler.
  • One of the optical signals branched by the optical branching unit 315 enters the signal receiving unit 314, and the other one is emitted from the optical receiver 31 and propagates toward a predetermined propagation destination.
  • FIG. 7 is a diagram showing an example of the hardware configuration of the estimation unit 32 in the embodiment.
  • the estimation unit 32 includes a control unit 321 including a processor 909 such as a CPU and a memory 910 connected via a bus, and executes a program.
  • the estimation unit 32 functions as a device including a control unit 321, a communication unit 322, and a storage unit 323 by executing a program.
  • the processor 909 reads the program stored in the storage unit 323 and causes the memory 910 to store the read program.
  • the processor 909 executes a program stored in the memory 910 so that the estimation unit 32 functions as a device including a control unit 321 , a communication unit 322 and a storage unit 323 .
  • the control unit 321 controls operations of various functional units included in the estimation unit 32 .
  • the control unit 321 records various information in the storage unit 323, for example.
  • the control unit 321 executes a learned estimation model obtained by the learning device 2, for example.
  • the communication unit 322 includes a communication interface for connecting the estimation unit 32 to an external device.
  • the communication unit 322 communicates with an external device via wire or wireless.
  • the external device is, for example, the state learning section 23 .
  • the communication unit 322 acquires a learned estimation model through communication with the state learning unit 23 .
  • the communication unit 322 may be communicably connected to a computer operated by the user and receive the user's operation on the estimation unit 32 .
  • the storage unit 323 is configured using a computer-readable storage medium device such as a magnetic hard disk device or a semiconductor storage device.
  • the storage unit 323 stores various information regarding the estimation unit 32 .
  • the storage unit 323 stores, for example, pre-learned estimation models.
  • the output unit 324 outputs various information.
  • the output unit 324 includes a display device such as a CRT (Cathode Ray Tube) display, a liquid crystal display, an organic EL (Electro-Luminescence) display, or the like.
  • the output unit 324 may be configured as an interface connecting these display devices to the estimation unit 32 .
  • the output unit 324 outputs, for example, the result of execution of the learned estimation model by the control unit 321 in a predetermined output method such as display.
  • FIG. 8 is a diagram showing an example of the configuration of the control section 321 included in the estimation section 32 in the embodiment.
  • the control section 321 includes a data acquisition section 325 , a state estimation section 326 and an output control section 327 .
  • the data acquisition unit 325 acquires the estimation target characteristic information received by the communication unit 322 .
  • the state estimation unit 326 executes a learned estimation model on the estimation target characteristic information acquired by the data acquisition unit 325 .
  • the state estimator 326 acquires information indicating the difference between the optical signal having the target characteristic indicated by the estimation target characteristic information and the optical signal in the optical splitter 12 .
  • the information indicating the difference between the optical signal having the target characteristic indicated by the estimation target characteristic information and the optical signal in the optical splitter 12 is referred to as estimation result information.
  • the output control unit 327 controls the operation of the output unit 324.
  • the output control unit 327 controls the operation of the output unit 324 and causes the output unit 324 to output the estimation result information.
  • the communication unit 322 outputs the estimation result information to a predetermined output destination.
  • the predetermined output destination is, for example, a device (hereinafter referred to as an "abnormality determination device") that determines whether one or both of the optical transmitter 11 and the optical fiber 4 are normal based on the estimation result information.
  • the result of executing the learned estimation model output by the output unit 324 is estimation result information.
  • FIG. 9 is a diagram showing an example of target characteristic information included in training data in the embodiment.
  • the target characteristic information is, for example, constellation data of two mutually orthogonal polarized waves shown in FIG.
  • the two mutually orthogonal polarized waves are, for example, an X polarized wave and a Y polarized wave.
  • FIG. 10 is a flowchart showing an example of the flow of processing executed by the learning device 2 according to the embodiment.
  • the learning device 2 determines whether or not it is time to learn (step S101).
  • the determination as to whether or not it is the learning timing may be made by any of the functional units provided in the learning device 2, but is performed by the control unit 211 provided in the emulation unit 21, for example.
  • the control unit 231 included in the state learning unit 23 may determine whether or not it is the learning timing.
  • step S101 If it is not the learning timing (step S101: NO), the process of step S101 is repeated. On the other hand, if it is the learning timing (step S101: YES), the learning device 2 receives the optical signal branched by the optical branching unit 12 (step S102). More specifically, the emulation unit 21 receives the optical signal branched by the optical branching unit 12 . Next, the characteristics of the optical signal received by the emulation unit 21 are changed (step S103). Next, the optical signal receiving unit 22 converts the optical signal output from the emulation unit 21 into a digital signal and outputs the digital signal (step S104).
  • the reception data processing unit 235 generates training data including target characteristic information indicating the target characteristics of the optical signal output from the optical signal receiving unit 22 and change content information indicating the content of the change in step S103. Generate (step S105).
  • the mathematical model execution unit 237 executes the estimation model for the target characteristic information included in the training data obtained in step S105 (step S106).
  • the mathematical model execution unit 237 obtains the difference between the optical signal having the target characteristic indicated by the target characteristic information included in the training data and the optical signal in the optical branching unit 12 as an estimation result.
  • the update unit 238 updates the estimation model so as to reduce the difference between the difference estimated in step S106 and the change information included in the training data (step S107).
  • step S108 determines whether or not the learning end condition is satisfied. If the learning end condition is satisfied (step S108: YES), the process ends. An estimation model at the time when the learning end condition is satisfied is a trained estimation model. A trained estimation model is used by the estimation unit 32 . After the processing ends, the processing of step S101 is started again.
  • step S108 NO
  • the process returns to step S102.
  • FIG. 11 is a flowchart showing an example of the flow of processing executed by the receiving-side optical node device 3 in the embodiment.
  • the optical receiver 31 receives one optical signal that is one of the optical signals branched by the optical branching unit 12 and other than the optical signal propagated to the learning device 2 (step S201). More specifically, the signal receiving unit 314 receives one optical signal that is one of the optical signals branched by the optical branching unit 12 and other than the optical signal propagated to the learning device 2 .
  • control unit 311 provided in the optical receiver 31 executes target characteristic acquisition processing on the optical signal acquired in step S201 (step S202).
  • the control unit 311 acquires estimated target characteristic information indicating the target characteristic of the optical signal acquired in step S201 by executing the target characteristic acquisition process.
  • the estimation unit 32 acquires the estimation target characteristic information acquired in step S202 (step S203). More specifically, the data acquisition unit 325 acquires the estimation target characteristic information acquired in step S202 via the communication unit 322 .
  • the state estimation unit 326 executes the learned estimation model obtained by the learning device 2 for the estimation target characteristic information (step S204).
  • the state estimation part 326 acquires estimation result information.
  • the output unit 324 displays the estimation result information (step S205).
  • FIG. 12 is a first flowchart showing an example of the flow of processing executed by the communication system 100 according to the embodiment. More specifically, FIG. 12 is a flowchart showing an example of the flow of processing executed by the communication system 100 at learning timing.
  • the optical transmitter 11 transmits an optical signal (step S301).
  • the optical signal is branched by the optical branching unit 12 (step S302).
  • One of the optical signals branched by the optical branching unit 12 propagates to the learning device 2 , and the other branched optical signal propagates to the optical receiver 31 .
  • the learning device 2 updates the estimation model using the propagated optical signal until the learning end condition is satisfied (step S304).
  • the learning device 2 transmits the obtained trained estimation model to the estimation unit 32 through the communication unit 232 (step S305).
  • step S304 for example, the processes from step S102 to step S108 are executed.
  • FIG. 13 is a second flowchart showing an example of the flow of processing executed by the communication system 100 according to the embodiment. More specifically, FIG. 13 is a flowchart showing an example of the flow of processing executed by the communication system 100 at timing other than the learning timing.
  • the optical transmitter 11 transmits an optical signal (step S401).
  • the optical signal is branched by the optical branching unit 12 (step S402).
  • One of the optical signals branched by the optical branching unit 12 propagates to the learning device 2 , and the other branched optical signal propagates to the optical receiver 31 .
  • the optical signal receiving unit 22 executes target characteristic acquisition processing on the optical signal propagated to the optical receiver 31 to acquire estimated target characteristic information (step S404).
  • the signal transmission unit 225 transmits the optical signal propagated to the optical receiver 31 in step S403 (step S405).
  • the estimation unit 32 acquires the estimation target characteristic information acquired in step S404 (step S406).
  • the estimation unit 32 executes the learned estimation model obtained by the learning device 2 at the learning timing for the estimation target characteristic information (step S407).
  • the state estimation part 326 acquires estimation result information.
  • the output unit 324 displays the estimation result information (step S408).
  • step S405 does not necessarily have to be executed after the process of step S404, and may be executed at any timing after the process of step S403.
  • the communication system 100 includes the optical splitter 12 and the learning device 2 .
  • the learning device 2 changes the optical signal branched by the optical branching unit 12 and learns how the optical signal changes in the optical branching unit 12 at the learning timing.
  • the change is caused by emulation section 21 .
  • the roles of the optical branching unit 12 and the emulation unit 21 will be explained in order.
  • the service start is specifically the start of communication. Therefore, it is desirable that the learning device 2 be provided in the communication system 100 without being removed from the communication system 100 .
  • the communication system 100 is provided with the optical splitter 12 . Since the communication system 100 includes the optical branching unit 12 , the optical signal transmitted by the optical transmitter 11 is branched by the optical branching unit 12 , realizing communication and transmission of the optical signal to the learning device 2 . As a result, in the communication system 100, it is possible to update the mathematical model according to changes in the optical transmitter 11 over time as well as to realize communication.
  • the change of the optical signal by the emulation unit 21 corresponds to artificially causing a change that can occur in the optical signal due to an event that occurs within the communication system 100 . Therefore, learning using the optical signal whose characteristics have been changed by the emulation unit 21 increases the accuracy of estimation by the estimation model.
  • target characteristics change mainly due to two factors with different time scales.
  • One is changes in the state of communication system 100 over time.
  • the temporal change in the state of the communication system 100 is referred to as the first factor.
  • the other is randomness included in natural phenomena represented by Heisenberg's uncertainty principle and noise. Randomness included in natural phenomena represented by Heisenberg's uncertainty principle and noise is hereinafter referred to as the second factor.
  • the change due to the first factor has a longer time scale than the change due to the second factor.
  • the learning device 2 receives the optical signal branched from the optical branching unit 12, it is possible to update the estimation model even while the communication system 100 is communicating. If the change in the first factor is ignored, a mathematical model for estimating the state of the communication system using the target characteristics of the input optical signal should be obtained once through machine learning. The mathematical model obtained in this way can estimate the state of the communication system with high accuracy if the change in the communication system due to the first factor can be ignored.
  • the learning device 2 of the communication system 100 can update the estimation model even while the communication system 100 is communicating. Therefore, the learning device 2 can perform learning not only once but a plurality of times according to changes in the communication system 100 over time. Therefore, the learning device 2 can obtain a mathematical model for estimating the state of the communication system 100 under the condition that the first factor and the second factor exist.
  • the emulation section 21 changes the optical signal branched by the optical branching section 12 . That is, the emulation unit 21 generates an optical signal by changing the optical signal branched by the optical branching unit 12 .
  • the optical signal branched by the optical branching unit 12 changes in correlation with the change. Therefore, the emulation unit 21 generates an optical signal containing information on changes in the state of the communication system 100 over time.
  • the emulation unit 21 simulates changes that can occur in the optical signal due to events that occur within the communication system 100 as described above. This pseudo change imitates the change due to the second factor. That is, the emulation unit 21 gives the optical signal received by the learning device 2 a change in the optical signal caused by randomness included in natural phenomena.
  • the emulation unit 21 generates an optical signal including information on changes caused by the first factor and information on changes caused by the second factor. Since the target characteristic of the optical signal generated by the emulation unit 21 is used for learning as part of the training data, the learning device 2 performs learning under the condition that the first factor and the second factor exist. be able to.
  • the estimation model is a mathematical model for estimating the difference between the optical signal to be estimated and the optical signal in the optical splitter 12 with respect to the target characteristics. be. That is, the estimation model is a mathematical model that estimates the state of the communication system 100 based on the target characteristics of the input optical signal.
  • the trained mathematical model obtained by the learning device 2 is used by the estimation unit 32 to estimate the state of the communication system 100 .
  • the learned estimation model is further updated at the learning timing to generate a new learned estimation model. Since the estimating unit 32 uses the estimating model obtained by the learning device 2, the learned estimating model used by the estimating unit 32 is the learned model at the time when the learning end condition is satisfied each time the learning end condition is satisfied. is updated to the estimated model of Therefore, the communication system 100 enables management of the communication system considering not only the second factor but also the first factor.
  • the estimation result information is information indicating the difference between the optical signal having the target characteristic indicated by the estimation target characteristic information and the optical signal in the optical splitter 12 . Then, as described above, the difference is the information indicating the estimation result of the state of the communication system 100 . Therefore, the estimation result information is an example of information indicating the state of the communication system 100 .
  • the difference is caused by the transmission loss caused by the transmission of the optical fiber 4 and the abnormality of the optical transmitter 11. If there is no abnormality in the optical transmitter 11, the difference is due to transmission loss. Therefore, if the difference exceeds a predetermined range, there is a possibility that the optical transmitter 11 is abnormal. Therefore, if estimation result information is obtained, it is possible to determine whether or not an abnormality has occurred in the optical transmitter 11, for example, by the above-described abnormality determination device. In addition, by displaying the estimation result information on the output unit 324, the user can also determine whether or not an abnormality has occurred in the optical transmitter 11.
  • an abnormality in the optical transmitter 11 may occur suddenly, if the difference in the learning timing is acquired in advance, when a sudden change in the difference occurs, for example, the above-described abnormality determination device or the user can , it is possible to determine whether or not an abnormality has occurred in the optical transmitter 11 .
  • the communication system 100 acquires estimation result information and outputs the acquired estimation result information, it is possible to reduce the burden required to suppress the occurrence of communication failures.
  • the communication system 100 of the embodiment configured as described above updates the estimation model based on the optical branching unit 12 that branches the optical signal transmitted by the optical transmitter 11, and the optical signal after branching by the optical branching unit 12. and a learning device 2 . Therefore, the optical signal transmitted from the optical transmitter 11 is branched by the optical branching unit 12 and propagates to the learning device 2 and the optical receiver 31 .
  • the mathematical model (that is, the estimation model) for estimating the state of the communication system 100 can be updated while realizing the transmission of the optical signal from the optical transmitter 11 to the optical receiver 31. . Therefore, the communication system 100 can reduce the burden required for managing its own system.
  • the communication system 100 does not necessarily need to have only one optical transmitter 11 and one receiving side optical node device 3 .
  • the communication system 100 may include a plurality of both optical transmitters 11 and receiving-side optical node devices 3 .
  • the communication system 100 including a plurality of both the optical transmitters 11 and the receiving side optical node devices 3 will be referred to as a communication system 100a.
  • FIG. 14 is a diagram showing an example of the configuration of a communication system 100a in a modified example.
  • the same reference numerals as those in FIG. 1 are assigned to the same components as those provided in the communication system 100, and the description thereof is omitted.
  • the communication system 100a differs from the communication system 100 in that it has a plurality of sets of the optical transmitter 11, the optical branching unit 12, and the receiving side optical node device 3 instead of one. Further, the communication system 100 a differs from the communication system 100 in that it includes an optical signal selector 5 .
  • the optical signal selection unit 5 determines which one of the multiple optical branching units 12 provided in the communication system 100a is to be transmitted to the learning device 2, and propagates only the determined optical signal to the learning device 2. Let Therefore, the optical signal selection unit 5 is, for example, a functional unit having an optical switch that switches optical signals to be propagated to the learning device 2 according to a predetermined rule.
  • the predetermined rule is, for example, a rule to switch optical signals to be propagated to the learning device 2 in a predetermined cycle and in a predetermined order.
  • Each estimator 32 in the communication system 100 a receives the updated estimation model transmitted by the learning device 2 .
  • Each estimation unit 32 in the communication system 100a estimates the state of the communication system 100a using the received updated estimation model.
  • FIG. 15 is a diagram showing an example of the hardware configuration of the optical signal selector 5 in the modified example.
  • the optical signal selection unit 5 includes a control unit 510 including a processor 911 such as a CPU and a memory 912 connected via a bus, and executes a program.
  • the optical signal selection unit 5 functions as a device including a control unit 510, a communication unit 520, a storage unit 530, and an optical switch 540 by executing a program.
  • the processor 911 reads the program stored in the storage unit 530 and causes the memory 912 to store the read program.
  • the optical signal selector 5 functions as a device including the controller 510 , the communication unit 520 , the storage unit 530 and the optical switch 540 .
  • the control unit 510 controls operations of various functional units provided in the optical signal selection unit 5 .
  • the control unit 510 records various information in the storage unit 530, for example.
  • Control unit 510 executes an optical signal determination process.
  • the optical signal determination process is a process of determining which one of the multiple optical branching units 12 included in the communication system 100a to transmit to the learning device 2 according to a predetermined rule.
  • the control unit 510 controls the operation of the optical switch 540 to transmit only the determined optical signal to the learning device 2 .
  • the communication unit 520 includes a communication interface for connecting the optical signal selection unit 5 to an external device.
  • the communication unit 520 may be communicably connected to, for example, a computer operated by a user, and may receive user operations on the optical receiver 31 .
  • the storage unit 530 is configured using a computer-readable storage medium device such as a magnetic hard disk device or a semiconductor storage device.
  • the storage unit 530 stores various information regarding the optical signal selection unit 5 .
  • the storage unit 530 stores, for example, a history of results of optical signal determination processing.
  • the optical switch 540 receives optical signals transmitted from the plurality of optical branching units 12 included in the communication system 100a.
  • the optical switch 540 under the control of the control unit 510, transmits one of the plurality of received optical signals that has been determined to be transmitted to the learning device 2 by the optical signal determination process.
  • the optical switch 540 may be, for example, a mechanical optical switch or a MEMS (Micro Electro Mechanical Systems) optical switch.
  • the optical signal selection unit 5 may be included in the transmitting side optical node device 1, may be included in the learning device 2, or may be included in both the transmitting side optical node device 1 and the learning device 2. may
  • optical branching unit 12 does not necessarily have to be provided in the transmitting side optical node device 1, and the transmitting side optical node device 1 and the optical branching unit 12 may be mounted in different housings.
  • the transmitting-side optical node device 1 and the learning device 2 do not necessarily have to be mounted in different housings, and may be mounted in the same housing.
  • the transmitting-side optical node device 1, the learning device 2, and the receiving-side optical node device 3 do not necessarily have to be mounted in different housings, and may be mounted in the same housing.
  • the learning device 2 is an example of a learning unit.
  • each of the learning device 2 and the estimating unit 32 may be implemented using a plurality of information processing devices that are communicably connected via a network. All or part of each function of the learning device 2 and the estimating unit 32 uses hardware such as ASIC (Application Specific Integrated Circuit), PLD (Programmable Logic Device), FPGA (Field Programmable Gate Array), etc. may be implemented.
  • the program may be recorded on a computer-readable recording medium.
  • Computer-readable recording media include portable media such as flexible disks, magneto-optical disks, ROMs and CD-ROMs, and storage devices such as hard disks incorporated in computer systems.
  • the program may be transmitted over telecommunications lines.
  • Communication unit 233... Storage unit, 234... Signal reception unit, 235... Received data processing unit, 236... Mathematical model learning unit, 237... Mathematical model execution unit, 238 ... updating section 311 ... control section 312 ... communication section 313 ... storage section 314 ... signal reception section 315 ... optical branch section 321 ... control section 322 ... communication section 323 ... storage section 324 ... output section 325 data acquisition unit 326 state estimation unit 327 output control unit 510 control unit 520 communication unit 530 storage unit 540 optical switch 901, 903, 905, 907, 909, 911 ... processor, 902, 904, 906, 908, 910, 912 ... memory

Abstract

本発明の一態様は、光信号を送信する送信器の送信した光信号を分岐する分岐部と、光信号の予め定められた所定の特性である対象特性を示す情報に基づき自システムの状態を推定する数理モデルである推定モデルを、前記分岐部による分岐後の光信号の１つに基づき更新する学習部と、を備える通信システムである。

Description

通信システム、通信方法及びプログラム
　本発明は、通信システム、通信方法及びプログラムに関する。
　近年、デジタルコヒーレント光トランシーバの受信器で得られたデジタル変調信号について、機械学習や深層学習技術を光ファイバ通信の伝送特性モニタや異常発生検知に適用する試みが進められている。
　例えば非特許文献１では、デジタルコヒーレント光トランシーバの受信器で得られたデジタル変調信号を実軸／虚軸の２次元プロットによって可視化したコンスタレーションを入力パラメータとして用いたニューラルネットワークを用いることが提案されている。より具体的には、そのようなニューラルネットワークを用いて、光ファイバ上で加えられた曲げや圧力などによる状態変化によって発生したコンスタレーションの歪みを識別する方法が提案されている。
　また、コンスタレーションの形状を学習したニューラルネットワークを伝送特性のモニタに活用する試みもある。例えば非特許文献２では、コンスタレーションから算出した特徴量をニューラルネットワークに学習させることにより、未知の波長分散や光信号雑音比などの伝送特性を表す量を推定できることが示されている。
　ここで、デジタルコヒーレント光トランシーバの受信器で光信号雑音比（ＯＳＮＲ）および偏波モード分散（ＰＭＤ）を推定することを目的としたニューラルネットワークの学習及び推定の例を、図１６を用いて説明する。
　このようなニューラルネットワークの学習では、ＯＳＮＲ及びＰＭＤが既知であるコンスタレーションがニューラルネットワークに入力される。このような学習では、ニューラルネットワークの出力結果と入力されたコンスタレーションにおけるＯＳＮＲ及びＰＭＤとに基づいてニューラルネットワークの重みをチューニングする処理が繰り替えされる。その結果、ニューラルネットワークはラベル毎の規則性を学習する。ラベルとは、ＯＳＮＲとＰＭＤとの組を意味する。
　学習が完了したニューラルネットワークにラベルが付与されてない未知のコンスタレーションが入力されると、ニューラルネットワークは過去の規則性に基づいて最も適切なラベルを出力する。
　このようにニューラルネットワークの学習には、データ（すなわちコンスタレーション）とラベル（すなわちＯＳＮＲとＰＭＤとの組）とを用意する必要がある。
　図１７にデータとラベルとの組み合わせであるデータセットを取得するための一般的なシステムを示す。図１７のシステムは、測定対象である光ノード間の光伝送路に対して、学習させたいパラメータに応じて伝送特性を任意に変更することのできるエミュレーション部を備える。
　図１７のシステムでは、光受信器からコンスタレーションを取得し、光伝送路状態学習部にてニューラルネットワークの学習を行い、得られたモデルを用いて推定を行う。
T. Tanaka, S. Kuwabara, H. Nishizawa, T. Inui, S. Kobayashi, A. Hirano, "Field demonstration of real-time optical network diagnosis using deep neural network and telemetry", OFC2019, Tu2E.5. J. A. Jargon, X. Wu, H. Y. Choi, Y. Chung, and A. E. Willner, "Optical performance monitoring of QPSK data channels by use of neural networks trained with parameters derived from asynchronous constellation diagrams," Optics Express vol. 18, no. 5, March 2010.
　しかしながら、実際の光ネットワーク運用環境において、伝送路に対して恣意的に伝送特性を変更することは、サービス品質に影響を与えるため困難である。また、その他の方法として、データ送受信開始前に伝送特性を変化させたデータを取得する方法も考えられるが、データ取得までに時間がかかる。
　さらに、いずれの方法でもサービス開始後は学習済みのモデルを用いた推定しか行うことができず、学習用のデータを取得することができない。この場合、例えば経年劣化によりレーザ特性が変化した場合でも、運用開始時に用意したモデルしか使うことができないため、推定精度の劣化が発生する可能性がある。
　このように光ファイバ通信における伝送特性モニタや異常発生検知等の光ファイバ通信の状態をサービス開始後に検知することは難しく、光ファイバ通信の管理に要する負担が大きい場合があった。また、このことは光ファイバ通信に限らず通信システムに共通する課題であった。
　上記事情に鑑み、本発明は、通信システムの管理に要する負担を軽減する技術を提供することを目的としている。
　本発明の一態様は、光信号を送信する送信器の送信した光信号を分岐する分岐部と、光信号の予め定められた所定の特性である対象特性を示す情報に基づき自システムの状態を推定する数理モデルである推定モデルを、前記分岐部による分岐後の光信号の１つに基づき更新する学習部と、を備える通信システムである。
　本発明の一態様は、光信号を送信する送信器の送信した光信号を分岐する分岐部と、光信号の予め定められた所定の特性である対象特性に基づき自システムの状態を推定する数理モデルである推定モデルを、前記分岐部による分岐後の光信号の１つに基づき更新する学習部と、を備える通信システムが実行する通信方法であって、前記推定モデルを、前記分岐部による分岐後の光信号の１つに基づき更新する学習ステップ、を有する通信方法である。
　本発明の一態様は、上記の通信システムとしてコンピュータを機能させるためのプログラムである。
　本発明により、通信システムの管理に要する負担を軽減することが可能となる。
実施形態の通信システムの構成の一例を示す図。 実施形態におけるエミュレーション部のハードウェア構成の一例を示す図。 実施形態における光信号受信部のハードウェア構成の一例を示す図。 実施形態における状態学習部のハードウェア構成の一例を示す図。 実施形態における状態学習部の備える制御部の構成の一例を示す図。 実施形態における光受信器のハードウェア構成の一例を示す図。 実施形態における推定部のハードウェア構成の一例を示す図。 実施形態における推定部の備える制御部の構成の一例を示す図。 実施形態における訓練データが含む対象特性情報の一例を示す図。 実施形態における学習装置が実行する処理の流れの一例を示すフローチャート。 実施形態における受信側光ノード装置が実行する処理の流れの一例を示すフローチャート。 実施形態における通信システムが実行する処理の流れの一例を示す第１のフローチャート。 実施形態における通信システムが実行する処理の流れの一例を示す第２のフローチャート。 変形例における通信システムの構成の一例を示す図。 変形例における光信号選択部のハードウェア構成の一例を示す図。 従来技術を説明する第１の説明図。 従来技術を説明する第２の説明図。
　（実施形態）
　図１は、実施形態の通信システム１００の構成の一例を示す図である。通信システム１００は、通信と自装置の管理に要する負担の軽減とを両立させる通信システムである。通信システム１００は、例えば光ファイバ通信を行う通信システムである。通信システム１００は、送信側光ノード装置１、学習装置２及び受信側光ノード装置３を備える。
　送信側光ノード装置１は光信号を送信する。学習装置２は、光信号を受信し、受信した光信号に基づき、通信システム１００の状態を推定する数理モデルを学習により更新する。受信側光ノード装置３は光信号を受信する。また、受信側光ノード装置３は、学習装置２の得た数理モデルを用いて、通信システム１００の状態を推定する。
　なお、数理モデルは、実行される条件と順番と（以下「実行規則」という。）が予め定められた１又は複数の処理を含む集合である。学習とは、機械学習の方法による数理モデルの更新を意味する。数理モデルの更新とは、数理モデルにおけるパラメータの値を好適に調整することを意味する。また、数理モデルの実行とは、数理モデルが含む各処理を実行規則にしたがって実行すること意味する。
　学習による数理モデルの更新は、学習に関する所定の終了条件（以下「学習終了条件」という。）が満たされるまで行われる。学習終了条件は、例えば所定の回数の学習が行われた、という条件である。
　送信側光ノード装置１と学習装置２とは光ファイバ４で接続されており、送信側光ノード装置１から学習装置２へ光ファイバ４を通って光信号が伝搬する。送信側光ノード装置１と受信側光ノード装置３とは光ファイバ４で接続されており、送信側光ノード装置１から受信側光ノード装置３へ光ファイバ４を通って光信号が伝搬する。光ファイバ４は、光信号が伝搬する伝送路（すなわち光ファイバ）である。
　送信側光ノード装置１は、光送信器１１と光分岐部１２とを備える。光送信器１１は光信号を送信する。光分岐部１２は、光信号を分岐する。光分岐部１２は、例えば光カプラである。
　学習装置２は、光分岐部１２により分岐された分岐後の光信号を受信する。より具体的には、学習装置２は光分岐部１２により複数に分岐された光信号の１つを受信する。学習装置２は、エミュレーション部２１、光信号受信部２２及び状態学習部２３を備える。
＜エミュレーション部２１＞
　エミュレーション部２１は、受信した光信号の特性を変える。すなわち、エミュレーション部２１は、通信システム１００内で生じる事象によって光信号に生じ得る変化を、受信した光信号に疑似的に与える機能部である。エミュレーション部２１による光信号の特性の変更は、全ての光信号に対して同一なのではない。特性の変更は、ランダムに近い変更であるほど望ましい。エミュレーション部２１による光信号の特性の変更は、ユーザが指示した条件を満たす変更であってもよい。
　このようにエミュレーション部２１は、複数の種類の光信号を生成する。エミュレーション部２１が生成した光信号の特性を示す情報は、後述するように数理モデルの学習に用いられる。したがって、学習装置２は複数の種類の光信号の特性を示す情報を用いて学習を行うことができる。
　図２は、実施形態におけるエミュレーション部２１のハードウェア構成の一例を示す図である。エミュレーション部２１は、バスで接続されたＣＰＵ（Central Processing Unit）等のプロセッサ９１とメモリ９２とを備える制御部２１１を備え、プログラムを実行する。エミュレーション部２１は、プログラムの実行によって制御部２１１、通信部２１２、記憶部２１３、光特性変更部２１４及び光スペクトラムアナライザ２１５を備える装置として機能する。
　より具体的には、プロセッサ９１が記憶部２１３に記憶されているプログラムを読み出し、読み出したプログラムをメモリ９２に記憶させる。プロセッサ９１が、メモリ９２に記憶させたプログラムを実行することによって、エミュレーション部２１は、制御部２１１、通信部２１２、記憶部２１３、光特性変更部２１４及び光スペクトラムアナライザ２１５を備える装置として機能する。
　制御部２１１は、エミュレーション部２１が備える各種機能部の動作を制御する。制御部２１１は、例えば光特性変更部２１４の動作を制御する。制御部２１１は、例えば光スペクトラムアナライザ２１５の動作を制御して、光スペクトログラムアナライザの分析の結果を取得する。制御部２１１は、例えば各種情報を記憶部２１３に記録する。
　通信部２１２は、エミュレーション部２１を外部装置に接続するための通信インタフェースを含んで構成される。通信部２１２は、有線又は無線を介して外部装置と通信する。外部装置は、例えば状態学習部２３である。通信部２１２は、光特性変更部２１４による変更の内容を示す情報（以下「変更内容情報」という。）を、状態学習部２３に送信する。また、通信部２１２は、ユーザの操作するコンピュータと通信可能に接続され、エミュレーション部２１に対するユーザの操作を受け付けてもよい。
　記憶部２１３は、磁気ハードディスク装置や半導体記憶装置などのコンピュータ読み出し可能な記憶媒体装置を用いて構成される。記憶部２１３はエミュレーション部２１に関する各種情報を記憶する。記憶部２１３は、例えば変更内容情報を記憶してもよい。
　光特性変更部２１４には、光分岐部１２により分岐された光信号が入射する。すなわち学習装置２による光信号の受信とは、光特性変更部２１４による光信号の受信を意味する。
　光特性変更部２１４は、光信号の特性を変える。特性は、例えば波長分散であってもよいし、偏波モード分散であってもよいし、信号雑音比であってもよい。図２の例において光特性変更部２１４は、波長分散発生器２１６、偏波モード分散発生器２１７及びＡＳＥ（Ａｍｐｌｉｆｉｅｄ　Ｓｐｏｎｔａｎｅｏｕｓ　Ｅｍｉｓｓｉｏｎ）光源２１８を備える。波長分散発生器２１６は、波長分散を変える。偏波モード分散発生器２１７は偏波モード分散（ＰＭＤ：Polarization Mode Dispersion）を変える。ＡＳＥ光源２１８は、信号にノイズを付与する。
　なお、図２の光特性変更部２１４の構成は一例であり、光特性変更部２１４は光信号の所望の特性を変更可能であればどのような構成であってもよい。したがって、光特性変更部２１４は、例えば、波長分散発生器２１６、偏波モード分散発生器２１７又はＡＳＥ光源２１８のいずれか１つだけを備えてもよいし、いずれか２つだけを備えてもよい。また、光特性変更部２１４は、例えば、波長分散発生器２１６、偏波モード分散発生器２１７及びＡＳＥ光源２１８以外の他の光信号の特性を変える装置を備えてもよい。
　エミュレーション部２１は、光特性変更部２１４による変換後の光信号を出力する。
　制御部２１１は、光特性変更部２１４が光信号をどのように変換したかを示す情報を光特性変更部２１４から取得する。光特性変更部２１４が光信号をどのように変換したかを示す情報が変更内容情報である。
　より具体的には、制御部２１１は、波長分散発生器２１６、偏波モード分散発生器２１７又はＡＳＥ光源２１８等の光特性変更部２１４の備える各機能部が、光信号をどのように変換したかを示す情報を、光特性変更部２１４の備える各機能部から取得する。取得された変更内容情報は、詳細を後述する状態学習部２３において数理モデルの学習に用いられる。
　光スペクトラムアナライザ２１５は、光特性変更部２１４による変更後の光信号の特性を解析する。
＜光信号受信部２２＞
　光信号受信部２２は、エミュレーション部２１の出力した光信号を受信し、受信した光信号に対してＡ／Ｄ変換を行う。Ａ／Ｄ変換は、アナログ信号をデジタル信号に変換する処理を意味する。光信号受信部２２は、例えばアナログデジタル変換器である。光信号受信部２２は、Ａ／Ｄ変換後の光信号を出力する。
　図３は、実施形態における光信号受信部２２のハードウェア構成の一例を示す図である。光信号受信部２２は、バスで接続されたＣＰＵ等のプロセッサ９０３とメモリ９０４とを備える制御部２２１を備え、プログラムを実行する。光信号受信部２２は、プログラムの実行によって制御部２２１、通信部２２２、記憶部２２３、信号受信部２２４及び信号送信部２２５を備える装置として機能する。
　より具体的には、プロセッサ９０３が記憶部２３３に記憶されているプログラムを読み出し、読み出したプログラムをメモリ９０４に記憶させる。プロセッサ９０３が、メモリ９０４に記憶させたプログラムを実行することによって、光信号受信部２２は、制御部２２１、通信部２２２、記憶部２２３、信号受信部２２４及び信号送信部２２５を備える装置として機能する。
　制御部２２１は、光信号受信部２２が備える各種機能部の動作を制御する。制御部２２１は、例えば各種情報を記憶部２２３に記録する。制御部２２１は、例えば信号受信部２２４の受信した光信号に対してＡ／Ｄ変換を実行する。制御部２２１は、例えばＡ／Ｄ変換後の光信号を信号送信部２２５に送信させる。なお、制御部２２１は、サンプリング等のＡ／Ｄ変換以外の信号処理を実行してもよい。
　通信部２２２は、光信号受信部２２を外部装置に接続するための通信インタフェースを含んで構成される。通信部２２２は、有線又は無線を介して外部装置と通信する。外部装置は、例えばユーザの操作するコンピュータと通信可能に接続され、光信号受信部２２に対するユーザの操作を受け付ける。
　記憶部２２３は、磁気ハードディスク装置や半導体記憶装置などのコンピュータ読み出し可能な記憶媒体装置を用いて構成される。記憶部２２３は光信号受信部２２に関する各種情報を記憶する。
　信号受信部２２４は、光信号を受信する。信号送信部２２５は、信号受信部２２４のＡ／Ｄ変換後の光信号を送信する。
＜状態学習部２３＞
　状態学習部２３は、変更内容情報及び光信号を受信する。状態学習部２３は、受信した変更内容情報及び光信号を用いて、推定モデルの学習を行う。推定モデルは、対象特性について、推定対象の光信号と光分岐部１２における光信号との違いを推定する数理モデルである。対象特性は、光信号の予め定められた所定の特性である。
　すなわち、推定モデルは、推定対象の光信号の対象特性が光分岐部１２における光信号の対象特性からどのように変わったのかを推定する数理モデルである。
　対象特性は、例えば、光信号対雑音比(ＯＳＮＲ：Optical Signal-to-Noise Ratio）及び偏波モード分散である。以下、対象特性が光信号対雑音比及び偏波モード分散である場合を例に、通信システム１００を説明する。
　推定モデルは学習による更新が可能な数理モデルであればどのように表現された数理モデルであってもよい。推定モデルは、例えばニューラルネットワークで表現される。ニューラルネットワークのパラメータは、目的関数の値（すなわち損失）に基づいて好適に調整される。ニューラルネットワークのパラメータは、表現する数理モデルのパラメータである。
　図４は、実施形態における状態学習部２３のハードウェア構成の一例を示す図である。状態学習部２３は、バスで接続されたＣＰＵ等のプロセッサ９０５とメモリ９０６とを備える制御部２３１を備え、プログラムを実行する。状態学習部２３は、プログラムの実行によって制御部２３１、通信部２３２、記憶部２３３及び信号受信部２３４を備える装置として機能する。
　より具体的には、プロセッサ９０５が記憶部２３３に記憶されているプログラムを読み出し、読み出したプログラムをメモリ９０６に記憶させる。プロセッサ９０５が、メモリ９０６に記憶させたプログラムを実行することによって、状態学習部２３は、制御部２３１、通信部２３２、記憶部２３３及び信号受信部２３４を備える装置として機能する。
　制御部２３１は、状態学習部２３が備える各種機能部の動作を制御する。制御部２３１は、例えば各種情報を記憶部２３３に記録する。制御部２３１は、例えば推定モデルを実行する。制御部２３１は、例えば推定モデルの学習を行う。
　通信部２３２は、状態学習部２３を外部装置に接続するための通信インタフェースを含んで構成される。通信部２３２は、有線又は無線を介して外部装置と通信する。外部装置は、例えばエミュレーション部２１である。通信部２３２は、エミュレーション部２１との通信によって変更内容情報を取得する。また、通信部２３２は、ユーザの操作するコンピュータと通信可能に接続され、状態学習部２３に対するユーザの操作を受け付けてもよい。
　記憶部２３３は、磁気ハードディスク装置や半導体記憶装置などのコンピュータ読み出し可能な記憶媒体装置を用いて構成される。記憶部２３３は状態学習部２３に関する各種情報を記憶する。記憶部２３３は、例えば変更内容情報を記憶する。記憶部２３３は、例えば予め推定モデルを記憶する。なお、数理モデルを記憶するとは、数理モデルを表現する値又はコンピュータプログラムを記憶することを意味する。記憶部２３３は、例えば推定モデルの更新後のパラメータの値を記憶する。記憶部２３３は、例えば学習済みの推定モデルを記憶する。学習済みの推定モデルは、学習終了条件が満たされた時点の推定モデルを意味する。
　信号受信部２３４は、光信号を受信する。信号受信部２３４は、例えば光信号受信部２２の出力した信号を受信する。なお、光信号受信部２２は、状態学習部２３が備えてもよく、このような場合、信号受信部２３４は、エミュレーション部２１の出力した光信号を受信する。
　図５は、実施形態における状態学習部２３の備える制御部２３１の構成の一例を示す図である。制御部２３１は、受信データ処理部２３５及び数理モデル学習部２３６を備える。
　受信データ処理部２３５は、通信部２３２の取得した変更内容情報の取得と、信号受信部２３４の受信した光信号の取得とを行う。受信データ処理部２３５は、取得した光信号に対して対象特性取得処理を実行する。対象特性取得処理は、光信号から対象特性を示す情報を取得する信号処理である。以下、対象特性を示す情報を対象特性情報、という。
　対象特性取得処理は、例えば光信号に対するフーリエ変換とフーリエ変換によって得られたスペクトログラムに基づき光信号対雑音比及び偏波モード分散を取得する処理と、を実行する処理である。
　なお状態学習部２３が光信号受信部２２を備える場合、光信号受信部２２はより具体的には受信データ処理部２３５が備える。このような場合、対象特性取得処理では、Ａ／Ｄ変換も実行される。
　受信データ処理部２３５は、訓練データ生成処理も実行する。訓練データ生成処理は、対象特性取得処理によって得られた対象特性情報と、変更内容情報と、を用いて、対象特性情報と変更内容情報とを含むデータを生成する処理である。このようにして生成されたデータが、推定モデルの学習に訓練データとして用いられる。したがって、訓練データ生成処理は、対象特性情報と、変更内容情報と、を用いて対象特性と変更内容情報とを含む訓練データを生成する処理である。
　数理モデル学習部２３６は、訓練データを用いて推定モデルの学習を行う。より具体的には、数理モデル学習部２３６はまず、訓練データが含む対象特性情報に対して推定モデルを実行する。次に数理モデル学習部２３６は、推定モデルの実行結果と訓練データの含む変更内容情報とに基づき、推定モデルの実行結果と変更内容情報との違いを小さくするように、推定モデルを更新する。
　推定モデルは、訓練データの含む対象特性情報が示す対象特性を有する光信号と光分岐部１２における光信号との違いを推定する。学習装置２ではエミュレーション部２１が光分岐部１２の光信号に変化を与えているので、推定モデルの精度が高いほど、推定モデルの推定する違いは、エミュレーション部２１が光分岐部１２の光信号に与えた変化に等しい。
　このように推定モデルは、推定対象の光信号の対象特性を示す対象特性情報に基づき、推定対象の光信号と光分岐部１２における光信号との違いを推定する数理モデルである。
　数理モデル楽手部２３６は、数理モデル実行部２３７及び更新部２３８を備える。数理モデル実行部２３７は、訓練データが含む対象特性情報に対して推定モデルを実行する。数理モデル実行部２３７は、推定モデルの実行により、訓練データが含む対象特性を有する光信号と光分岐部１２における光信号との違いを推定する。
　更新部２３８は、数理モデル実行部２３７の推定の結果と、訓練データが含む変更内容情報とに基づき、推定モデルの実行結果と変更内容情報との違いを小さくするように、推定モデルを更新する。
　学習装置２による推定モデルの更新は、学習終了条件が満たされるまで更新されることが、所定のタイミングごとに行われる。以下、所定のタイミングを、学習タイミングという。学習タイミングは、例えば予め定められた周期ごとに訪れる周期的なタイミングである。すなわち、学習装置２は、学習の開始から学習終了条件が満たされるまで推定モデルを更新する一連の処理を、学習タイミングごとに行う。したがって、少なくとも２回目以降の学習タイミングで更新される推定モデルは、直前の学習タイミングにおいて学習終了条件が満たされた学習済みの推定モデルである。
　図１の説明に戻る。受信側光ノード装置３は、光分岐部１２により分岐された分岐後の光信号を受信する。より具体的には、受信側光ノード装置３は光分岐部１２により複数に分岐された光信号の１つであって学習装置２に伝搬する光信号とは異なる光信号を受信する。受信側光ノード装置３は、光受信器３１と推定部３２とを備える。
＜光受信器３１＞
　図６は、実施形態における光受信器３１のハードウェア構成の一例を示す図である。光受信器３１は、バスで接続されたＣＰＵ等のプロセッサ９０７とメモリ９０８とを備える制御部３１１を備え、プログラムを実行する。光受信器３１は、プログラムの実行によって制御部３１１、通信部３１２、記憶部３１３、信号受信部３１４及び光分岐部３１５を備える装置として機能する。
　より具体的には、プロセッサ９０７が記憶部３１３に記憶されているプログラムを読み出し、読み出したプログラムをメモリ９０８に記憶させる。プロセッサ９０７が、メモリ９０８に記憶させたプログラムを実行することによって、光受信器３１は、制御部３１１、通信部３１２、記憶部３１３、信号受信部３１４及び光分岐部３１５を備える装置として機能する。
　制御部３１１は、光受信器３１が備える各種機能部の動作を制御する。制御部３１１は、例えば各種情報を記憶部３１３に記録する。制御部３１１は、詳細を後述する信号受信部３１４の受信した光信号に対して対象特性取得処理を実行する。制御部３１１は、対象特性取得処理の実行により、信号受信部３１４の受信した光信号の対象特性を示す情報を取得する。以下、光受信器３１の受信した光信号の対象特性を示す対象特性情報を、推定対象特性情報という。
　通信部３１２は、光受信器３１を外部装置に接続するための通信インタフェースを含んで構成される。通信部３１２は、有線又は無線を介して外部装置と通信する。外部装置は、例えば推定部３２である。
　通信部３１２は、推定部３２との通信によって推定部３２に、制御部３１１の取得した推定対象特性情報を送信する。また、通信部３１２は、ユーザの操作するコンピュータと通信可能に接続され、光受信器３１に対するユーザの操作を受け付けてもよい。
　記憶部３１３は、磁気ハードディスク装置や半導体記憶装置などのコンピュータ読み出し可能な記憶媒体装置を用いて構成される。記憶部３１３は光受信器３１に関する各種情報を記憶する。記憶部３１３は、例えば推定対象特性情報を記憶する。
　信号受信部３１４は、光信号を受信する。信号受信部３１４は、光送信器１１の出力した信号を受信する。信号受信部３１４の受信する光信号は、光送信器１１の出力した信号の一部であって光分岐部３１５によって分岐された光信号である。光分岐部３１５は、光信号を分岐する。光分岐部３１５は、例えば光カプラである。光分岐部３１５によって分岐された光信号の１つは信号受信部３１４に入射し、他の１つは、光受信器３１から出射されて所定の伝搬先に向けて伝搬する。
＜推定部３２＞
　図７は、実施形態における推定部３２のハードウェア構成の一例を示す図である。推定部３２は、バスで接続されたＣＰＵ等のプロセッサ９０９とメモリ９１０とを備える制御部３２１を備え、プログラムを実行する。推定部３２は、プログラムの実行によって制御部３２１、通信部３２２及び記憶部３２３を備える装置として機能する。
　より具体的には、プロセッサ９０９が記憶部３２３に記憶されているプログラムを読み出し、読み出したプログラムをメモリ９１０に記憶させる。プロセッサ９０９が、メモリ９１０に記憶させたプログラムを実行することによって、推定部３２は、制御部３２１、通信部３２２及び記憶部３２３を備える装置として機能する。
　制御部３２１は、推定部３２が備える各種機能部の動作を制御する。制御部３２１は、例えば各種情報を記憶部３２３に記録する。制御部３２１は、例えば学習装置２によって得られた学習済みの推定モデルを実行する。
　通信部３２２は、推定部３２を外部装置に接続するための通信インタフェースを含んで構成される。通信部３２２は、有線又は無線を介して外部装置と通信する。外部装置は、例えば状態学習部２３である。通信部３２２は、状態学習部２３との通信によって学習済みの推定モデルを取得する。また、通信部３２２は、ユーザの操作するコンピュータと通信可能に接続され、推定部３２に対するユーザの操作を受け付けてもよい。
　記憶部３２３は、磁気ハードディスク装置や半導体記憶装置などのコンピュータ読み出し可能な記憶媒体装置を用いて構成される。記憶部３２３は推定部３２に関する各種情報を記憶する。記憶部３２３は、例えば予め学習済みの推定モデルを記憶する。
　出力部３２４は、各種情報を出力する。出力部３２４は、例えばＣＲＴ（Cathode Ray Tube）ディスプレイや液晶ディスプレイ、有機ＥＬ（Electro-Luminescence）ディスプレイ等の表示装置を含んで構成される。出力部３２４は、これらの表示装置を推定部３２に接続するインタフェースとして構成されてもよい。出力部３２４は、例えば制御部３２１による学習済みの推定モデルの実行の結果を表示等の予め定められた出力方法で出力する。
　図８は、実施形態における推定部３２の備える制御部３２１の構成の一例を示す図である。制御部３２１は、データ取得部３２５、状態推定部３２６及び出力制御部３２７を備える。データ取得部３２５は、通信部３２２の受信した推定対象特性情報を取得する。
　状態推定部３２６は、データ取得部３２５の取得した推定対象特性情報に対して、学習済みの推定モデルを実行する。推定対象特性情報に対する学習済みの推定モデルの実行により、状態推定部３２６は、推定対象特性情報が示す対象特性を有する光信号と光分岐部１２における光信号との違いを示す情報を取得する。以下、推定対象特性情報が示す対象特性を有する光信号と光分岐部１２における光信号との違いを示す情報を、推定結果情報という。
　出力制御部３２７は出力部３２４の動作を制御する。出力制御部３２７は出力部３２４の動作を制御して、出力部３２４に推定結果情報を出力させる。
　通信部３２２は、推定結果情報を所定の出力先に出力する。所定の出力先は、例えば推定結果情報に基づき、光送信器１１と光ファイバ４とのいずれか一方又は両方が正常か否かを判定する装置（以下「異常判定装置」という。）である。
　出力部３２４の出力する学習済みの推定モデルの実行の結果は、具体的には、推定結果情報である。
　図９は、実施形態における訓練データが含む対象特性情報の一例を示す図である。対象特性情報は、例えば図９に示す、互いに直交する２つの偏波それぞれのコンスタレーションデータである。互いに直交する２つの偏波は、例えばＸ偏波とＹ偏波とである。
＜処理の流れの例＞
　図１０は、実施形態における学習装置２が実行する処理の流れの一例を示すフローチャートである。学習装置２が、学習タイミングか否かを判定する（ステップＳ１０１）。学習タイミングか否かの判定は、学習装置２の備える各機能部のいずれが行ってもよいが、例えばエミュレーション部２１の備える制御部２１１が行う。学習タイミングか否かの判定は、状態学習部２３の備える制御部２３１が行ってもよい。
　学習タイミングでは無い場合（ステップＳ１０１：ＮＯ）、ステップＳ１０１の処理が繰り返される。一方、学習タイミングである場合（ステップＳ１０１：ＹＥＳ）、学習装置２は、光分岐部１２で分岐された光信号を受信する（ステップＳ１０２）。より具体的には、エミュレーション部２１が光分岐部１２で分岐された光信号を受信する。次に、エミュレーション部２１が受信した光信号の特性を変更する（ステップＳ１０３）。次に光信号受信部２２が、エミュレーション部２１の出力した光信号をデジタル信号に変換し出力する（ステップＳ１０４）。
　次に、受信データ処理部２３５が、光信号受信部２２の出力した光信号の対象特性を示す対象特性情報と、ステップＳ１０３における変更の内容を示す情報である変更内容情報とを含む訓練データを生成する（ステップＳ１０５）。次に、ステップＳ１０５で得られた訓練データの含む対象特性情報に対して数理モデル実行部２３７が推定モデルを実行する（ステップＳ１０６）。
　推定モデルの実行により数理モデル実行部２３７は、推定結果として、訓練データの含む対象特性情報が示す対象特性を有する光信号と光分岐部１２における光信号との違いを得る。次に、更新部２３８が、ステップＳ１０６で推定された違いと、訓練データの含む変更内容情報との違いを小さくするように、推定モデルを更新する(ステップＳ１０７)。
　次に更新部２３８は、学習終了条件が満たされたか否かを判定する（ステップＳ１０８）。学習終了条件が満たされた場合（ステップＳ１０８：ＹＥＳ）、処理が終了する。学習終了条件が満たされた時点の推定モデルが学習済みの推定モデルである。学習済みの推定モデルは、推定部３２によって用いられる。処理の終了の後、再びステップＳ１０１の処理が開始される。
　一方、学習終了条件が満たされない場合（ステップＳ１０８：ＮＯ）、ステップＳ１０２の処理に戻る。
　図１１は、実施形態における受信側光ノード装置３が実行する処理の流れの一例を示すフローチャートである。光受信器３１が、光分岐部１２で分岐された光信号の１つであって学習装置２に伝搬した光信号以外の１つの光信号を受信する（ステップＳ２０１）。より具体的には信号受信部３１４が光分岐部１２で分岐された光信号の１つであって学習装置２に伝搬した光信号以外の１つの光信号を受信する。
　次に光受信器３１の備える制御部３１１が、ステップＳ２０１で取得された光信号に対して対象特性取得処理を実行する（ステップＳ２０２）。制御部３１１は、対象特性取得処理の実行により、ステップＳ２０１で取得された光信号の対象特性を示す推定対象特性情報を取得する。次に推定部３２が、ステップＳ２０２で取得された推定対象特性情報を取得する（ステップＳ２０３）。より具体的には、データ取得部３２５が通信部３２２を介して、ステップＳ２０２で取得された推定対象特性情報を取得する。
　次に、状態推定部３２６が推定対象特性情報に対して、学習装置２の得た学習済みの推定モデルを実行する（ステップＳ２０４）。ステップＳ２０４によって、状態推定部３２６は推定結果情報を取得する。次に、出力部３２４が推定結果情報を表示する（ステップＳ２０５）。
　図１２は、実施形態における通信システム１００が実行する処理の流れの一例を示す第１のフローチャートである。より具体的には、図１２は学習タイミングにおいて、通信システム１００が実行する処理の流れの一例を示すフローチャートである。
　光送信器１１が光信号を送信する（ステップＳ３０１）。次に、光分岐部１２で光信号が分岐される（ステップＳ３０２）。光分岐部１２で分岐された光信号の１つは学習装置２に伝搬し、分岐された光信号の他の１つは光受信器３１まで伝搬する。（ステップＳ３０３）。学習装置２は、伝搬してきた光信号を用いて推定モデルを学習終了条件が満たされるまで更新する（ステップＳ３０４）。学習装置２は、得られた学習済みの推定モデルを通信部２３２によって推定部３２に送信する（ステップＳ３０５）。なお、ステップＳ３０４では、例えばステップＳ１０２からステップＳ１０８の処理が実行される。
　図１３は、実施形態における通信システム１００が実行する処理の流れの一例を示す第２のフローチャートである。より具体的には、図１３は学習タイミングでは無いタイミングにおいて、通信システム１００が実行する処理の流れの一例を示すフローチャートである。
　光送信器１１が光信号を送信する（ステップＳ４０１）。次に、光分岐部１２で光信号が分岐される（ステップＳ４０２）。光分岐部１２で分岐された光信号の１つは学習装置２に伝搬し、分岐された光信号の他の１つは光受信器３１まで伝搬する。（ステップＳ４０３）。光信号受信部２２が光受信器３１に伝搬してきた光信号に対して対象特性取得処理を実行し、推定対象特性情報を取得する（ステップＳ４０４）。
　次に信号送信部２２５が、ステップＳ４０３で光受信器３１まで伝搬してきた光信号を送信する（ステップＳ４０５）。次に推定部３２が、ステップＳ４０４で取得された推定対象特性情報を取得する（ステップＳ４０６）。
　次に、推定部３２が推定対象特性情報に対して学習タイミングにおいて学習装置２の得た学習済みの推定モデルを実行する（ステップＳ４０７）。ステップＳ４０７によって、状態推定部３２６は推定結果情報を取得する。次に、出力部３２４が推定結果情報を表示する（ステップＳ４０８）。
　なお、ステップＳ４０５の処理は、必ずしもステップＳ４０４の処理の次に実行される必要は無く、ステップＳ４０３の処理の後であればどのようなタイミングで実行されてもよい。
＜学習装置２と光分岐部１２と推定モデルとの関係と役割＞
　通信システム１００に限らず通信システムは長期間の使用が想定されることが多く、長い使用期間の間に経年劣化する。そのため、経年劣化の影響を考慮して通信システムの状態を推定することが通信システムの管理には望ましい。通信システムの状態とは、例えば光送信器１１の状態である。こうした経時的な変化を組み込んだシステムの管理には、システムの経時的な変化に応じて検知の基準やシステムの状態の判断のルールを変化させることが望ましい。そこで、通信システム１００では、光分岐部１２と学習装置２とを備える。
　上述したように学習装置２は、光分岐部１２で分岐された光信号を変化させ、光分岐部１２における光信号の変化の様子を、学習タイミングに学習する。変化はエミュレーション部２１によって引き起こされる。
　光分岐部１２とエミュレーション部２１との役割を順に説明する。通信システムのようなインフラ設備では、サービスの開始後に装置の取り付け及び取り外しを行うことは難しい。サービスの開始とは具体的には通信の開始である。そのため、学習装置２は通信システム１００から取り外される必要の無い状態で、通信システム１００に備えられていることが望ましい。
　そこで通信システム１００は光分岐部１２を備える。通信システム１００が光分岐部１２を備えるため、光送信器１１の送信する光信号は光分岐部１２で分岐され、通信の実現とともに、学習装置２への光信号の伝送が実現される。その結果、通信システム１００では、通信の実現とともに、数理モデルを光送信器１１の経時的な変化に応じて更新することも実現される。
　次にエミュレーション部２１の役割について説明する。エミュレーション部２１による光信号の変化は、通信システム１００内で生じる事象によって光信号に生じ得る変化を疑似的に引き起こすことに相当する。したがって、エミュレーション部２１によって特性が変化させられた後の光信号を用いた学習により、推定モデルによる推定の精度は高まる。
　ところで、対象特性は主に、時間スケールの異なる２つの要因で変化する。１つは、通信システム１００の状態の経時的な変化である。以下、通信システム１００の状態の経時的な変化を第１要因という。他の１つは、ハイゼンベルグの不確定性原理やノイズに代表される自然現象が包含するランダム性である。以下、ハイゼンベルグの不確定性原理やノイズに代表される自然現象が包含するランダム性を第２要因という。
　第１要因による変化は第２要因による変化に比べて時間スケールの長い変化である。通信システム１００のような長期間の使用が想定されるシステムの管理では、通信システム１００の状態を把握するために、この両者の変化が考慮される必要がある。
　学習装置２は、光分岐部１２から分岐された光信号を受信するので、通信システム１００が通信を行っている状態でも、推定モデルの更新が可能である。仮に第１要因の変化を無視するのであれば、入力された光信号の対象特性を用いて通信システムの状態を推定する数理モデルが、機械学習により一度得られれば良い。こうして得られる数理モデルは、第１要因による通信システムの変化が無視できる状態であれば、高い精度で通信システムの状態を推定可能である。
　しかしながら、第１要因による通信システムの変化がある場合、通信システムの経時的な変化に応じて学習を行わなければ、通信システムの経時的な変化とともに推定の精度も下がってしまう。
　上述したように通信システム１００の学習装置２は、通信システム１００が通信を行っている状態でも推定モデルの更新が可能である。したがって、学習装置２は、一度きりでなく、通信システム１００の経時的な変化に応じた複数回の学習の実行が可能である。そのため、学習装置２は、第１要因と第２要因とが存在するという条件の元で、通信システム１００の状態を推定する数理モデルを得ることができる。
　より具体的にどのようにして、第１要因と第２要因とが存在するという条件の元での学習が可能なのか説明する。上述したようにエミュレーション部２１は光分岐部１２で分岐された光信号を変化させる。すなわち、エミュレーション部２１は光分岐部１２で分岐された光信号を変化させた光信号を生成する。
　光分岐部１２で分岐された光信号は、通信システム１００の状態の経時的な変化がある場合に、その変化に相関を有する変化をする。したがって、エミュレーション部２１は、通信システム１００の状態の経時的な変化の情報を含む光信号を生成する。
　一方で、エミュレーション部２１は、上述したように通信システム１００内で生じる事象によって光信号に生じ得る変化を疑似的に与える。この疑似的な変化は、第２要因による変化を模したものである。すなわち、エミュレーション部２１は、自然現象が包含するランダム性に起因する光信号の変化を、学習装置２の受信した光信号に与える。
　このようにエミュレーション部２１は、第１要因に起因する変化の情報と第２要因に起因する変化の情報とを含む光信号を生成する。エミュレーション部２１で生成された光信号の対象特性が訓練データの一部として学習に用いられるので、学習装置２は、第１要因と第２要因とが存在するという条件の元での学習を行うことができる。
　学習装置２による学習は推定モデルに対して実行される。そして、上述したようにエミュレーション部２１で生成された光信号の対象特性が訓練データの一部として学習に用いられる。したがって、推定モデルは、対象特性について推定対象の光信号と光分岐部１２における光信号との違いを推定する数理モデルであるが、その違いは、通信システム１００の状態の推定結果を示す情報である。すなわち、推定モデルは、入力された光信号の対象特性に基づいて通信システム１００の状態を推定する数理モデルである。
　上述したように学習装置２で得られた学習済みの数理モデルは推定部３２で用いられて、通信システム１００の状態が推定される。学習済みの推定モデルは、学習タイミングでさらに更新され、新たな学習済みの推定モデルが生成される。推定部３２は、学習装置２で得られた推定モデルを用いるので、推定部３２で用いられる学習済みの推定モデルは、学習終了条件が満たされるたびに学習終了条件が満たされた時点の学習済みの推定モデルに更新される。したがって、通信システム１００は、第２要因だけでなく第１要因も考慮した通信システムの管理を可能とする。
＜推定結果情報の使われ方の例＞
　ここで推定結果情報の使われ方の例を説明する。上述したように推定結果情報は、推定対象特性情報が示す対象特性を有する光信号と光分岐部１２における光信号との違いを示す情報である。そして、上述したように、その違いは、通信システム１００の状態の推定結果を示す情報である。したがって、推定結果情報は、通信システム１００の状態を示す情報の一例である。
　違いは、光ファイバ４の伝送により生じる伝送損失と、光送信器１１の異常とによって生じる。もし光送信器１１の異常が無ければ、違いは伝送損失による違いである。そのため、違いが所定の範囲を超える違いであれば、それは、光送信器１１の異常である可能性がある。したがって、推定結果情報が得られれば、例えば上述の異常判定装置によって、光送信器１１に異常が生じたか否かの判定が可能である。また、推定結果情報が出力部３２４に表示されることで、ユーザも光送信器１１に異常が生じたか否かの判定が可能である。
　また、光送信器１１の異常は突発的に生じることもあるため、予め学習タイミングに違いを取得していれば、違いの急激な変化が生じた際に、例えば上述の異常判定装置やユーザによって、光送信器１１に異常が生じたか否かの判定が可能である。
　通信システム１００は推定結果情報を取得し、取得した推定結果情報を出力するため、通信障害の発生の抑制に要する負担を軽減することができる。
　このように構成された実施形態の通信システム１００は、光送信器１１の送信する光信号を分岐する光分岐部１２と、光分岐部１２による分岐後の光信号に基づいて推定モデルを更新する学習装置２とを備える。そのため光送信器１１から送信された光信号は光分岐部１２によって分岐されて、学習装置２と光受信器３１とに伝搬する。
　その結果、通信システム１００では、光送信器１１から光受信器３１への光信号の伝送を実現しつつ、通信システム１００の状態の推定を行う数理モデル（すなわち推定モデル）を更新することができる。したがって、通信システム１００は、自システムの管理に要する負担を軽減することができる。
（変形例）
　なお、通信システム１００は必ずしも、光送信器１１及び受信側光ノード装置３をそれぞれ１つだけ備える必要は無い。通信システム１００は、光送信器１１及び受信側光ノード装置３をどちらも複数備えてもよい。以下、光送信器１１及び受信側光ノード装置３をどちらも複数備える通信システム１００を通信システム１００ａという。
　図１４は、変形例における通信システム１００ａの構成の一例を示す図である。以下、通信システム１００が備えるものと同じものについては図１と同じ符号を付すことで説明を省略する。
　通信システム１００ａは、光送信器１１と光分岐部１２と受信側光ノード装置３との組を、１つではなく複数備える点で、通信システム１００と異なる。また、通信システム１００ａは、光信号選択部５を備える点で、通信システム１００と異なる。光信号選択部５は、通信システム１００ａの備える複数の光分岐部１２のうちのいずれの１つの光信号を学習装置２に送信するかを決定し、決定した光信号のみを学習装置２に伝搬させる。したがって、光信号選択部５は、例えば、予め定められた所定の規則にしたがって学習装置２に伝搬させる光信号を切り替える光スイッチを備える機能部である。所定の規則は、例えば予め定められた周期で、予め定められた順番で学習装置２に伝搬させる光信号を切り替えるという規則である。
　通信システム１００ａにおいて各推定部３２はそれぞれ学習装置２の送信する更新済みの推定モデルを受信する。通信システム１００ａにおいて各推定部３２はそれぞれ受信した更新済みの推定モデルを用いて、通信システム１００ａの状態を推定する。
　図１５は、変形例における光信号選択部５のハードウェア構成の一例を示す図である。光信号選択部５は、バスで接続されたＣＰＵ等のプロセッサ９１１とメモリ９１２とを備える制御部５１０を備え、プログラムを実行する。光信号選択部５は、プログラムの実行によって制御部５１０、通信部５２０、記憶部５３０及び光スイッチ５４０を備える装置として機能する。
　より具体的には、プロセッサ９１１が記憶部５３０に記憶されているプログラムを読み出し、読み出したプログラムをメモリ９１２に記憶させる。プロセッサ９１１が、メモリ９１２に記憶させたプログラムを実行することによって、光信号選択部５は、制御部５１０、通信部５２０、記憶部５３０及び光スイッチ５４０を備える装置として機能する。
　制御部５１０は、光信号選択部５が備える各種機能部の動作を制御する。制御部５１０は、例えば各種情報を記憶部５３０に記録する。制御部５１０は、光信号決定処理を実行する。光信号決定処理は、予め定められた所定の規則にしたがって通信システム１００ａの備える複数の光分岐部１２のうちのいずれの１つの光信号を学習装置２に送信するかを決定する処理である。制御部５１０は、光スイッチ５４０の動作を制御して、決定した光信号のみを学習装置２に向けて送信する。
　通信部５２０は、光信号選択部５を外部装置に接続するための通信インタフェースを含んで構成される。通信部５２０は、例えばユーザの操作するコンピュータと通信可能に接続され、光受信器３１に対するユーザの操作を受け付けてもよい。
　記憶部５３０は、磁気ハードディスク装置や半導体記憶装置などのコンピュータ読み出し可能な記憶媒体装置を用いて構成される。記憶部５３０は光信号選択部５に関する各種情報を記憶する。記憶部５３０は、例えば光信号決定処理の結果の履歴を記憶する。
　光スイッチ５４０は、通信システム１００ａの備える複数の光分岐部１２から送信された光信号を受信する。光スイッチ５４０は、受信した複数の光信号のうちの１つであって光信号決定処理により学習装置２に向けて送信すると決定された光信号を、制御部５１０による制御を受けて、学習装置２に送信する。光スイッチ５４０は、例えばメカニカル光スイッチであってもよいし、ＭＥＭＳ（Micro Electro Mechanical Systems）光スイッチであってもよい。
　なお、光信号選択部５は、送信側光ノード装置１が備えていてもよいし、学習装置２が備えていてもよいし、送信側光ノード装置１と学習装置２との両方が備えていてもよい。
　なお光分岐部１２は、必ずしも送信側光ノード装置１が備える必要は無く、送信側光ノード装置１と光分岐部１２とは異なる筐体に実装されてもよい。
　なお、送信側光ノード装置１及び学習装置２のそれぞれは、必ずしも異なる筐体に実装される必要は無く、同一の筐体に実装されてもよい。なお、送信側光ノード装置１及び学習装置２及び受信側光ノード装置３のそれぞれは、必ずしも異なる筐体に実装される必要は無く、同一の筐体に実装されてもよい。
　なお、学習装置２は学習部の一例である。
　なお、学習装置２及び推定部３２のそれぞれは、ネットワークを介して通信可能に接続された複数台の情報処理装置を用いて実装されてもよい。なお、学習装置２及び推定部３２のそれぞれの各機能の全て又は一部は、ＡＳＩＣ（Application Specific Integrated Circuit）やＰＬＤ（Programmable Logic Device）やＦＰＧＡ（Field Programmable Gate Array）等のハードウェアを用いて実現されてもよい。プログラムは、コンピュータ読み取り可能な記録媒体に記録されてもよい。コンピュータ読み取り可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置である。プログラムは、電気通信回線を介して送信されてもよい。
　以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。
　１００、１００ａ…通信システム、　１…送信側光ノード装置、　２…学習装置、　３…受信側光ノード装置、　４…光ファイバ、　５…光信号選択部、　１１…光送信器、　１２…光分岐部、　２１…エミュレーション部、　２２…光信号受信部、　２３…状態学習部、　３１…光受信器、　３２…推定部、　２１１…制御部、　２１２…通信部、　２１３…記憶部、　２１４…光特性変更部、　２１５…光スペクトラムアナライザ、　２１６…波長分散発生器、　２１７…偏波モード分散発生器、　２１８…ＡＳＥ光源、　２２１…制御部、　２２２…通信部、　２２３…記憶部、　２２４…信号受信部、　２２５…信号送信部、　２３１…制御部、　２３２…通信部、　２３３…記憶部、　２３４…信号受信部、　２３５…受信データ処理部、　２３６…数理モデル学習部、　２３７…数理モデル実行部、　２３８…更新部、　３１１…制御部、　３１２…通信部、　３１３…記憶部、　３１４…信号受信部、　３１５…光分岐部、　３２１…制御部、　３２２…通信部、　３２３…記憶部、　３２４…出力部、　３２５…データ取得部、　３２６…状態推定部、　３２７…出力制御部、　５１０…制御部、　５２０…通信部、　５３０…記憶部、　５４０…光スイッチ、　９０１、９０３、９０５、９０７、９０９、９１１…プロセッサ、　９０２、９０４、９０６、９０８、９１０、９１２…メモリ

Claims (8)

  1. 　光信号を送信する送信器の送信した光信号を分岐する分岐部と、
    　光信号の予め定められた所定の特性である対象特性を示す情報に基づき自システムの状態を推定する数理モデルである推定モデルを、前記分岐部による分岐後の光信号の１つに基づき更新する学習部と、
    　を備える通信システム。
  2. 　前記学習部は、学習の開始から学習に関する所定の終了条件が満たされるまで前記推定モデルを更新する一連の処理を、予め定められた所定のタイミングごとに行う、
    　請求項１に記載の通信システム。
  3. 　前記分岐部による分岐後の光信号の他の１つの対象特性に基づき、前記推定モデルを用いて自システムの状態を推定する推定部、
    　をさらに備える請求項２に記載の通信システム。
  4. 　前記推定部が用いる前記推定モデルは、前記終了条件が満たされるたびに前記終了条件が満たされた時点の前記推定モデルに更新される、
    　請求項３に記載の通信システム。
  5. 　前記推定モデルの学習に用いられる前記対象特性は、前記学習部に入力された前記光信号が変更された光信号の対象特性である、
    　請求項１から４のいずれか一項に記載の通信システム。
  6. 　前記対象特性は、光信号対雑音比(ＯＳＮＲ：Optical Signal-to-Noise Ratio）及び偏波モード分散である、
    　請求項１から５のいずれか一項に記載の通信システム。
  7. 　光信号を送信する送信器の送信した光信号を分岐する分岐部と、光信号の予め定められた所定の特性である対象特性に基づき自システムの状態を推定する数理モデルである推定モデルを、前記分岐部による分岐後の光信号の１つに基づき更新する学習部と、を備える通信システムが実行する通信方法であって、
    　前記推定モデルを、前記分岐部による分岐後の光信号の１つに基づき更新する学習ステップ、
    　を有する通信方法。
  8. 　請求項１から請求項６のいずれか一項に記載の通信システムとしてコンピュータを機能させるためのプログラム。
PCT/JP2021/036920 2021-10-06 2021-10-06 通信システム、通信方法及びプログラム WO2023058141A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/JP2021/036920 WO2023058141A1 (ja) 2021-10-06 2021-10-06 通信システム、通信方法及びプログラム
JP2023552464A JPWO2023058141A1 (ja) 2021-10-06 2021-10-06

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2021/036920 WO2023058141A1 (ja) 2021-10-06 2021-10-06 通信システム、通信方法及びプログラム

Publications (1)

Publication Number Publication Date
WO2023058141A1 true WO2023058141A1 (ja) 2023-04-13

Family

ID=85803292

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/036920 WO2023058141A1 (ja) 2021-10-06 2021-10-06 通信システム、通信方法及びプログラム

Country Status (2)

Country Link
JP (1) JPWO2023058141A1 (ja)
WO (1) WO2023058141A1 (ja)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019140666A (ja) * 2018-02-13 2019-08-22 日本電信電話株式会社 状態推定装置及び通信システム
JP2021145171A (ja) * 2020-03-10 2021-09-24 富士通株式会社 伝送路監視装置及び伝送路監視方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019140666A (ja) * 2018-02-13 2019-08-22 日本電信電話株式会社 状態推定装置及び通信システム
JP2021145171A (ja) * 2020-03-10 2021-09-24 富士通株式会社 伝送路監視装置及び伝送路監視方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JARGON JEFFREY A, WU XIAOXIA, CHOI HYEON YEONG, CHUNG YUN C, WILLNER ALAN E: "Optical performance monitoring of QPSK data channels by use of neural networks trained with parameters derived from asynchronous constellation diagrams ", OPTICS EXPRESS, vol. 18, no. 5, 1 March 2010 (2010-03-01), pages 4931 - 4938, XP093057399 *
MUSUMECI FRANCESCO; ROTTONDI CRISTINA; NAG AVISHEK; MACALUSO IRENE; ZIBAR DARKO; RUFFINI MARCO; TORNATORE MASSIMO: "An Overview on Application of Machine Learning Techniques in Optical Networks", IEEE COMMUNICATIONS SURVEYS & TUTORIALS, vol. 21, no. 2, 1 January 1900 (1900-01-01), USA , pages 1383 - 1408, XP011727904, DOI: 10.1109/COMST.2018.2880039 *
TANAKA TAKAFUMI; KUWABARA SEIKI; NISHIZAWA HIDEKI; INUI TETSURO; KOBAYASHI SHOUKEI; HIRANO AKIRA: "Field Demonstration of Real-Time Optical Network Diagnosis using Deep Neural Network and Telemetry", 2019 OPTICAL FIBER COMMUNICATIONS CONFERENCE AND EXHIBITION (OFC), OSA, 3 March 2019 (2019-03-03), pages 1 - 3, XP033540628 *

Also Published As

Publication number Publication date
JPWO2023058141A1 (ja) 2023-04-13

Similar Documents

Publication Publication Date Title
Sasai et al. Digital longitudinal monitoring of optical fiber communication link
CN110034820B (zh) 用于光学传输系统中的元件的参数报告的系统和方法
RU2677263C2 (ru) Способ контроля системого запаса по отношению оптический сигнал/шум и когерентное приемное устройство
WO2020040011A1 (ja) Ｏｓｎｒスペクトル推定装置、ｏｓｎｒスペクトル推定方法およびプログラム
US8078053B1 (en) Optical link characterization
JP5223438B2 (ja) 光信号品質モニタ装置および光信号品質モニタ方法
Sasai et al. Proposal of linear least squares for fiber-nonlinearity-based longitudinal power monitoring in multi-span link
CN108631882A (zh) 用于相干光学传输中相邻信道代价的监测和校正的方法
JP7460890B2 (ja) 伝送路監視装置及び伝送路監視方法
Fan et al. Experimental comparisons between machine learning and analytical models for QoT estimations in WDM systems
JP2019009647A (ja) 送信装置、受信装置及び推定方法
WO2023058141A1 (ja) 通信システム、通信方法及びプログラム
US11228367B2 (en) Communication device and communication method
Kashi et al. Artificial neural networks for fiber nonlinear noise estimation
WO2023058146A1 (ja) 通信システム、通信方法及びプログラム
EP3361653A1 (en) Method of monitoring chromatic dispersion in optical communication network and device utilizing same
GB2367220A (en) Serialised test of a parallel optical module
Santos et al. Automated dataset generation for QoT estimation in coherent optical communication systems
Kruse et al. Experimental investigation of spectral data enhanced QoT estimation
Usmani et al. Evaluating cross-feature trained machine learning models for estimating QoT of unestablished lightpaths
JP6387461B2 (ja) 光伝送のための伝送品質の推定器を作り出すための方法
US10122443B2 (en) Method for determining an optical transmission system description
US11418232B2 (en) Waveform equalization device
US20090135408A1 (en) Method for reducing the uncertainty of the measured average PMD of a long fiber
Takahashi et al. Experimental demonstration of monitoring PDL value and location using DSP-based longitudinal power estimation with linear least squares

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21959883

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023552464

Country of ref document: JP