-
公开(公告)号：CN113033457A
公开(公告)日：2021-06-25
申请号：CN202110378856.2
申请日：2021-04-08
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种软故障识别模型训练和软故障识别方法、装置，其中，软故障识别模型训练方法包括：获取多个正常样本信号的数字谱、以及多个带标签的软故障样本信号的数字谱；计算各正常样本信号的残差谱；基于各正常样本信号的残差谱，训练自动编码器；计算各软故障样本信号的残差谱；基于各软故障样本信号的残差谱、各软故障样本信号的标签、以及完成训练的自动编码器，训练支持向量机；确定由完成训练的自动编码器和完成训练的支持向量机组成的软故障识别模型。以此，提高软故障识别模型的识别精度，从而提高软故障识别结果的准确性和泛化性。
-
公开(公告)号：CN118432703A
公开(公告)日：2024-08-02
申请号：CN202410425227.4
申请日：2024-04-09
Applicant: 北京邮电大学
IPC: H04B10/079 , H04Q11/00
Abstract: 本发明提供一种光网络软故障定位模型训练和软故障定位方法、系统，该训练方法包括：首先，基于多节点光网络中各节点处部署的监测点采集监测数据，并构建第一样本数据集，其中包含路由信息、数字谱和光功率，并添加故障节点位置标签。其次，对第一样本数据集进行分类并筛选出少数类，通过数据增强算法生成合成样本，第一样本数据集与合成样本构成第二样本数据集以实现样本均衡。利用第二样本数据集对软故障定位模型进行训练和参数更新输出故障节点位置。最后，根据输出结果计算准确度并调整参数，直至准确度达到预设值，形成目标软故障定位模型。本发明能够以低成本的方法解决软故障定位模型训练数据不平衡的问题，并提高光网络软故障定位准确率。
-
Patent Agency Ranking
公开(公告)号：CN114598581B
公开(公告)日：2023-08-04
申请号：CN202210077206.9
申请日：2022-01-24
Applicant: 北京邮电大学
IPC: H04L27/00 , H04B10/079 , G06N3/08
Abstract: 本发明提供一种概率整形信号的双阶段检测模型训练方法、识别方法及装置，在信号接收端通过DSP模块处理得到的电域信号，基于盲均衡算法处理后的幅度柱状图，通过机器学习的方式构建幅度柱状图至光信噪比和调制格式的映射，以实现对概率整形信号的光信噪比和调制格式的识别。同时，由于信号激光器和本振激光器在洛伦兹线型下的相位噪声是微纳过程，且相位噪声增量的方差与激光器线宽是线性关系的特性，通过机器学习的方式构建不同符号间隔下相位噪声增量的均方根植和平均值映射至激光器线宽，以实现对激光器线宽的识别，并有效提高识别的泛化能力。
-
公开(公告)号：CN114598581A
公开(公告)日：2022-06-07
申请号：CN202210077206.9
申请日：2022-01-24
Applicant: 北京邮电大学
IPC: H04L27/00 , H04B10/079 , G06N3/08
Abstract: 本发明提供一种概率整形信号的双阶段检测模型训练方法、识别方法及装置，在信号接收端通过DSP模块处理得到的电域信号，基于盲均衡算法处理后的幅度柱状图，通过机器学习的方式构建幅度柱状图至光信噪比和调制格式的映射，以实现对概率整形信号的光信噪比和调制格式的识别。同时，由于信号激光器和本振激光器在洛伦兹线型下的相位噪声是微纳过程，且相位噪声增量的方差与激光器线宽是线性关系的特性，通过机器学习的方式构建不同符号间隔下相位噪声增量的均方根植和平均值映射至激光器线宽，以实现对激光器线宽的识别，并有效提高识别的泛化能力。
-
公开(公告)号：CN114598386B
公开(公告)日：2023-08-01
申请号：CN202210080809.4
申请日：2022-01-24
Applicant: 北京邮电大学
IPC: H04B10/079 , G06N3/0455 , G06N3/08
Abstract: 本发明提供一种光网络通信软故障检测方法及装置，通过相干接收机获取待检测光网络的待检测数字谱，在与标准数字谱在对数域做差后，利用预设自动编码器提取特征并进行重建，预设自动编码器是基于正常运行状态下光网络产生的数字残差谱进行训练得到的，能够在挖掘正常运行状态下样本数字残差谱的特征后进行精准重建，而当待检测光网络存在软故障时，预设自动编码器则不能适应其特征差异并完成软故障样本的数字残差谱的重建，则会使得软故障状态下待检测数字残差谱的重建结果与原本数字残差谱存在较大的重构误差。通过判断重构误差是否超过阈值，以判断待检测光网络是否存在软故障。
-
公开(公告)号：CN114598386A
公开(公告)日：2022-06-07
申请号：CN202210080809.4
申请日：2022-01-24
Applicant: 北京邮电大学
IPC: H04B10/079 , G06N3/08
Abstract: 本发明提供一种光网络通信软故障检测方法及装置，通过相干接收机获取待检测光网络的待检测数字谱，在与标准数字谱在对数域做差后，利用预设自动编码器提取特征并进行重建，预设自动编码器是基于正常运行状态下光网络产生的数字残差谱进行训练得到的，能够在挖掘正常运行状态下样本数字残差谱的特征后进行精准重建，而当待检测光网络存在软故障时，预设自动编码器则不能适应其特征差异并完成软故障样本的数字残差谱的重建，则会使得软故障状态下待检测数字残差谱的重建结果与原本数字残差谱存在较大的重构误差。通过判断重构误差是否超过阈值，以判断待检测光网络是否存在软故障。
-
公开(公告)号：CN113033457B
公开(公告)日：2022-11-04
申请号：CN202110378856.2
申请日：2021-04-08
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种软故障识别模型训练和软故障识别方法、装置，其中，软故障识别模型训练方法包括：获取多个正常样本信号的数字谱、以及多个带标签的软故障样本信号的数字谱；计算各正常样本信号的残差谱；基于各正常样本信号的残差谱，训练自动编码器；计算各软故障样本信号的残差谱；基于各软故障样本信号的残差谱、各软故障样本信号的标签、以及完成训练的自动编码器，训练支持向量机；确定由完成训练的自动编码器和完成训练的支持向量机组成的软故障识别模型。以此，提高软故障识别模型的识别精度，从而提高软故障识别结果的准确性和泛化性。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
