公开(公告)号：CN113177074B

公开(公告)日：2023-09-29

申请号：CN202110359510.8

申请日：2021-04-02

Applicant: 北京科技大学

Inventor： 王建萍 ,  范潇杰

IPC: G06F16/2458 ,  G06F16/25 ,  G06N3/04 ,  G06N3/096

Abstract: 本发明公开了一种提升环境自适应性的光学性能监测系统及方法，所述系统包括：数据生成模块，用于将光信号生成能够被神经网络模型处理的数据格式；数据变化感知模块，用于将最近预设时间段获取的数据分布与先前预设时间段获取的数据分布进行比对，判断光网络环境是否发生变化；迁移训练模块，用于当光网络环境发生变化时，从最新的光网络环境中采集数据重新训练神经网络模型；模型剪枝压缩模块，用于对新训练的神经网络模型进行剪枝操作；数据分析模块，用于根据新训练的神经网络模型对接收的数据进行处理，得到检测结果。本发明能够及时感知光网络环境的变化，并自适应调整监测神经网络模型，确保在复杂多变的光网络环境下得到准确的监测结果。

公开(公告)号：CN113177074A

公开(公告)日：2021-07-27

申请号：CN202110359510.8

申请日：2021-04-02

Applicant: 北京科技大学

Inventor： 王建萍 ,  范潇杰

IPC: G06F16/2458 ,  G06F16/25 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种提升环境自适应性的光学性能监测系统及方法，所述系统包括：数据生成模块，用于将光信号生成能够被神经网络模型处理的数据格式；数据变化感知模块，用于将最近预设时间段获取的数据分布与先前预设时间段获取的数据分布进行比对，判断光网络环境是否发生变化；迁移训练模块，用于当光网络环境发生变化时，从最新的光网络环境中采集数据重新训练神经网络模型；模型剪枝压缩模块，用于对新训练的神经网络模型进行剪枝操作；数据分析模块，用于根据新训练的神经网络模型对接收的数据进行处理，得到检测结果。本发明能够及时感知光网络环境的变化，并自适应调整监测神经网络模型，确保在复杂多变的光网络环境下得到准确的监测结果。

公开(公告)号：CN109217923A

公开(公告)日：2019-01-15

申请号：CN201811139862.7

申请日：2018-09-28

Applicant: 北京科技大学

Inventor： 王建萍 ,  范潇杰 ,  任芳

IPC: H04B10/079 ,  H04Q11/00 ,  H04L12/24

Abstract: 本发明提供一种联合光性能监测和速率、调制格式识别方法及系统，能够在实现光性能监测的同时对光信号速率和调制格式进行识别。所述方法包括：获取不同光性能损伤下不同速率和不同调制格式的二维散点图，将获取的所述二维散点图划分为训练集和测试集；构建多任务卷积神经网络模型，其前4层为卷积池化层，第五层为特征共享层，第六层留有三个输出口，第一个输出口为光性能损伤监测输出，第二个输出口为调制格式类别输出，第三个输出口为速率类别输出；将训练集作为构建的多任务卷积神经网络模型的输入，以对应的光性能损伤值、速率类别以及调制格式类别作为标签值训练模型。本发明适用于光性能监测和速率/调制格式识别操作。

公开(公告)号：CN112632855A

公开(公告)日：2021-04-09

申请号：CN202011506401.6

申请日：2020-12-18

Applicant: 北京科技大学

Inventor： 王建萍 ,  范潇杰 ,  任芳

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G01M11/00

Abstract: 本发明涉及一种基于特征融合多任务卷积网络光性能检测方法及系统，该方法基于特征融合多任务卷积神经网络，获取并融合二维散点图的局部和全局信息，同时对信号的光性能参数和速率/格式类别进行监测与识别。随后，构建特征融合多任务卷积网络，使用训练数据集对网络模型进行训练和优化。最后，使用测试数据集评价训练完成的网络性能。经过试验验证，本发明通过二维散点图中提取并共享融合特征，使得不同任务之间相互促进，提升了光性能监测和速率/格式识别的性能。对未来复杂的光网络性能以及信号属性的监测识别任务中，能做到对光性能监测任务和速率/格式识别任务的联合执行，且自动提取并融合特征，不同任务间相互促进，提升性能。