全光通信網(wǎng)絡(luò)非線性突變頻率干擾檢測(cè)算法研究

引言

影響信號(hào)質(zhì)量和鏈路穩(wěn)定性。因此，研究高效、魯棒的非線性突變頻率干擾檢測(cè)方法，對(duì)于保障全光網(wǎng)絡(luò)大容量傳輸?shù)目煽啃跃哂兄匾饬x。

1.全光通信網(wǎng)絡(luò)非線性突變頻率干 擾檢測(cè)算法概述

隨著云計(jì)算、大數(shù)據(jù)以及人工智能應(yīng)用的快速發(fā)展，對(duì)通信網(wǎng)絡(luò)的帶寬和時(shí)延要求日益苛刻。全光通信網(wǎng)絡(luò)因其端到端透明傳輸、高帶寬密度及低時(shí)延特性，成為新一代骨干網(wǎng)的重要架構(gòu)。然而，在光纖長(zhǎng)距離傳輸過(guò)程中，非線性效應(yīng)（如自相位調(diào)制、交叉相位調(diào)制和四波混頻）會(huì)導(dǎo)致頻譜突變，產(chǎn)生間歇性干擾，嚴(yán)重

在全光通信網(wǎng)絡(luò)中，信號(hào)在光纖中的演化既要滿足色散效應(yīng)，也要考慮由光場(chǎng)強(qiáng)度引起的非線性效應(yīng)。基于標(biāo)量近似，可用非線性薛定諤方程描述光包在光纖中傳播時(shí)的振幅A（zt如公式1所示：

其中， α 為光纖衰減系數(shù)， β 2為二階色散參數(shù)， γ 為非線性系數(shù)。該方程揭示了自相位調(diào)制（SPM）、交叉相位調(diào)制（XPM）與四波混頻（FWM）等效應(yīng)如何在時(shí)域與頻域上交互作用，導(dǎo)致信號(hào)頻譜中出現(xiàn)突變干擾分量

如圖1所示，首先將光電檢測(cè)器輸出的電信號(hào) 進(jìn)行帶通濾波并歸一化處理，然后通過(guò)連續(xù)小波變換提取多尺度時(shí)頻特征如公式2所示：

其中，母小波 ψ 的選擇可兼顧時(shí)域和頻域分辨率，參數(shù)a與b分別對(duì)應(yīng)尺度與時(shí)移。通過(guò)對(duì)若干尺度下的系數(shù)幅值進(jìn)行自適應(yīng)閾值判斷如公式3所示：

f（a）=max_b∣W_x（a，b）∣ ，若 f（a）gt;μ_a+κσ_a （3）

即可高效捕捉由非線性效應(yīng)引起的頻譜突變（如圖1所示），為后續(xù)的故障定位與補(bǔ)償?shù)於ɑA(chǔ)。

2.算法模型與方法

2.1非線性突變頻率特征提取模型為精準(zhǔn)刻畫(huà)光信號(hào)中由非線性效應(yīng)引起的頻譜突變，本方法首先對(duì)光接收機(jī)輸出的原始電信號(hào) 進(jìn)行帶通濾波與歸一化，以消除系統(tǒng)直流偏置和幅度波動(dòng)，如公式4所示：

圖1全光通信網(wǎng)絡(luò)發(fā)送一接收結(jié)構(gòu)及非線性干擾信號(hào)模型示意圖

然后，針對(duì) X_norm（t） 采用連續(xù)小波變換（CWT）進(jìn)行多尺度時(shí)頻分析，如公式5所示： （5）

其中，母小波 ψ 選取Morlet或復(fù)Gabor波，以兼顧頻域分辨率與時(shí)域局部化，參數(shù)a和b分別表示尺度和時(shí)移。對(duì)于預(yù)設(shè)的尺度集合 {a_i}_i=1^N ，在每個(gè)尺度下提取幅值最大響應(yīng)，如公式6所示：

f_i=max_b∣W_x（a_i，b）∣（i=1，2，…，N）

由此構(gòu)造特征向量 該向量能夠在多尺度層面上反映由自相位調(diào)制、交叉相位調(diào)制和四波混頻等非線性效應(yīng)所引入的突變頻率成分強(qiáng)度2]。

2.2干擾檢測(cè)算法流程與實(shí)現(xiàn)

在獲得特征向量/后，算法通過(guò)自適應(yīng)統(tǒng)計(jì)閾值進(jìn)行初步干擾判定。針對(duì)每一維度i ，在系統(tǒng)正常運(yùn)行狀態(tài)下預(yù)先計(jì)算其均值μ_i 與標(biāo)準(zhǔn)差 σ_i ，并設(shè)定閾值，如公式7所示：

T_i=μ_i+κσ_i

其中，倍率參數(shù) κ 可依據(jù)系統(tǒng)對(duì)誤報(bào)率的容忍度在經(jīng)驗(yàn)范圍（如 2～4 ）內(nèi)調(diào)節(jié)。當(dāng)存在任意 f_igt;T 時(shí)，即可判定發(fā)生非線性突變頻率干擾。

為進(jìn)一步降低誤報(bào)并提升檢測(cè)魯棒性，可將特征向量輸入預(yù)訓(xùn)練的支持向量機(jī)（SVM）或隨機(jī)森林分類(lèi)器，利用決策函數(shù)，輸出二值判決結(jié)果，如公式8所示：

y=sign（w^Tf+b）

算法實(shí)現(xiàn)上，整個(gè)流程包括信號(hào)采集、預(yù)處理、CWT計(jì)算、特征提取、自適應(yīng)閥值判定、可選分類(lèi)器判決六大模塊，均可并行化部署于FPGA或GPU加速平臺(tái)，滿足亞毫秒級(jí)的實(shí)時(shí)檢測(cè)要求，同時(shí)保證在各種網(wǎng)絡(luò)拓?fù)浜蛡鬏敆l件下的高準(zhǔn)確率與低誤報(bào)率4。

3.性能評(píng)估與實(shí)驗(yàn)設(shè)計(jì)

3.1仿真實(shí)驗(yàn)平臺(tái)與數(shù)據(jù)集構(gòu)建

本實(shí)驗(yàn)在OptiSystem17.0平臺(tái)中構(gòu)建全光通信仿真環(huán)境，采用單一 100km 單模光纖鏈路，色散參數(shù)設(shè)為17 ps/（nm?km） 纖芯非線性系數(shù) γ 取不同值以模擬不同強(qiáng)度的非線性效應(yīng)；發(fā)射端使用32Gbaud正交相干調(diào)制，接收端采用外差檢測(cè)并配以20GHz帶通濾波器。每種仿真場(chǎng)景下，系統(tǒng)添加AWGN噪聲以獲得不同信噪比（SNR）條件下的測(cè)試信號(hào)[5]。

表1總結(jié)了本研究所構(gòu)建的四組數(shù)據(jù)集參數(shù)，每組采集500條1ms時(shí)長(zhǎng)的信號(hào)樣本，用于特征提取與干擾檢測(cè)算法性能評(píng)估。

以上數(shù)據(jù)集覆蓋了從線性基線到高強(qiáng)度非線性突變的典型場(chǎng)景，并兼顧了不同SNR條件，可全面評(píng)估所提算法在各類(lèi)復(fù)雜網(wǎng)絡(luò)環(huán)境下的檢測(cè)準(zhǔn)確率、誤報(bào)率及檢測(cè)時(shí)延性能

3.2評(píng)估指標(biāo)與對(duì)比實(shí)驗(yàn)結(jié)果

為全面評(píng)估所提算法在不同非線性強(qiáng)度與噪聲條件下的檢測(cè)性能，從檢測(cè)準(zhǔn)確率、誤報(bào)率、漏檢率三個(gè)維度進(jìn)行了統(tǒng)計(jì)分析，統(tǒng)計(jì)結(jié)果如圖2所示。當(dāng)非線性效應(yīng)不顯著（DS1）時(shí)，算法能夠達(dá)到 98.5% 的高準(zhǔn)確率，誤報(bào)率僅為 1.2% ；隨著非線性強(qiáng)度的增強(qiáng)（DS2-DS4），準(zhǔn)確率有所下降，但仍保持在 93.7% 以上，且誤報(bào)率不超過(guò) 5.1% ，漏檢率也保持在 6.3% 以下，表明算法具有良好的抗干擾能力和穩(wěn)定性。

實(shí)時(shí)檢測(cè)能力是算法實(shí)用性的重要考量。在同一硬件平臺(tái)（IntelXeonE5-2620V4， 2.10GHz ，32GBRAM）上測(cè)量了每次信號(hào)段的平均檢測(cè)時(shí)延，結(jié)果如圖3所示。可見(jiàn)，當(dāng)非線性強(qiáng)度增大時(shí)，算法在小波變換及閾值判斷上的計(jì)算量略有提升，但平均時(shí)延始終控制在2ms以內(nèi)，滿足全光網(wǎng)絡(luò)亞毫秒級(jí)在線監(jiān)測(cè)需求[8]。

最后，我們將所提方法與多分辨率時(shí)頻分析法、固定閾值法進(jìn)行了對(duì)比，匯總了三者在綜合準(zhǔn)確率、誤報(bào)率及ROC曲線下面積（AUC）上的表現(xiàn)，對(duì)比結(jié)果如圖2所示。相比之下，本文算法在準(zhǔn)確率和

表1仿真實(shí)驗(yàn)數(shù)據(jù)集參數(shù)

圖2本文算法在各數(shù)據(jù)集上的檢測(cè)指標(biāo)

AUC上均有明顯提升，同時(shí)保持較低的誤報(bào)率，證明了自適應(yīng)閾值與可選分類(lèi)器融合策略在復(fù)雜非線性干擾場(chǎng)景中的優(yōu)越性[9]。

綜上所述，本算法在多種典型非線性和噪聲條件下均表現(xiàn)出高檢測(cè)精度、低時(shí)延和強(qiáng)魯棒性，為全光通信網(wǎng)絡(luò)的實(shí)時(shí)干擾監(jiān)測(cè)提供了有效解決方案[10]。

4.結(jié)果分析與討論

4.1算法性能優(yōu)劣分析

從圖2的實(shí)驗(yàn)結(jié)果來(lái)看，所提算法在多種典型非線性強(qiáng)度與噪聲條件下均表現(xiàn)出優(yōu)異的檢測(cè)能力。在線性基線場(chǎng)景（DS1）中，檢測(cè)準(zhǔn)確率高達(dá) 98.5% ，誤報(bào)率僅 1.2% ，基本消除了非線性效應(yīng)帶來(lái)的干擾；即便在高強(qiáng)度非線性（DS4）與低信噪比（10dB）的復(fù)雜環(huán)境下，準(zhǔn)確率仍能保持在 93.7% 以上，誤報(bào)率低于 ?5.1% ，漏檢率低于 6.3% ，表明算法對(duì)快速、劇烈的頻譜突變具有較高的敏感度與穩(wěn)定性。同時(shí)，與多分辨率時(shí)頻分析法和固定閾值法相比，本文方法的AUC達(dá)到0.98，較前者提升0.06，較后者提升0.09，綜合性能提升顯著。這主要得益于多尺度CWT所提取的非線性頻譜特征能夠更全面地反映突變信息，以及自適應(yīng)閾值與分類(lèi)器融合策略有效地平衡了檢測(cè)靈敏度與誤報(bào)控制。

4.2實(shí)際部署中的挑戰(zhàn)與優(yōu)化策略

盡管仿真實(shí)驗(yàn)表明算法具備亞毫秒級(jí)的在線檢測(cè)能力（圖3），在實(shí)際全光網(wǎng)絡(luò)中部署仍面臨若干挑戰(zhàn)。首先，現(xiàn)場(chǎng)鏈路條件復(fù)雜多變，環(huán)境噪聲和設(shè)備非理想性會(huì)影響統(tǒng)計(jì)閾值的穩(wěn)定性，需引入在線閾值自校準(zhǔn)機(jī)制，以適應(yīng)長(zhǎng)時(shí)間運(yùn)行下的信號(hào)漂移。其次，多尺度CWT計(jì)算量較大，對(duì)硬件平臺(tái)提出高性能需求，可通過(guò)FPGA或GPU并行加速，以及尺度預(yù)選減少冗余計(jì)算來(lái)提高實(shí)時(shí)性。此外，在多鏈路、多節(jié)點(diǎn)網(wǎng)絡(luò)中，集中式檢測(cè)可能帶來(lái)數(shù)據(jù)傳輸延遲和帶寬壓力，建議采用分布式檢測(cè)與邊緣計(jì)算相結(jié)合的架構(gòu)，將特征提取和初步判決下沉至光接收終端，集中控制器僅負(fù)責(zé)報(bào)警匯總與深度分析。最后，為進(jìn)一步降低誤報(bào)并提升定位精度，可結(jié)合時(shí)空相關(guān)性分析，對(duì)檢測(cè)結(jié)果進(jìn)行二次融合、聚類(lèi)與過(guò)濾，從而構(gòu)建更完善的智能干擾監(jiān)測(cè)體系。通過(guò)上述優(yōu)化策略，算法將在工程化部署中展現(xiàn)更高的可靠性和可擴(kuò)展性，為全光通信網(wǎng)絡(luò)的穩(wěn)定運(yùn)行提供有力保障。

圖3本文算法的檢測(cè)時(shí)延性能

結(jié)語(yǔ)

本文針對(duì)全光通信網(wǎng)絡(luò)中由非線性效應(yīng)引起的突變頻率干擾，提出了一種基于多尺度連續(xù)小波變換與自適應(yīng)閥值檢測(cè)相結(jié)合的算法。通過(guò)對(duì)接收信號(hào)進(jìn)行歸一化預(yù)處理后，在不同尺度下提取時(shí)頻特征，并構(gòu)建統(tǒng)計(jì)閾值與可選機(jī)器學(xué)習(xí)分類(lèi)器，實(shí)現(xiàn)了對(duì)頻譜突變的高靈敏度捕捉與準(zhǔn)確判定。仿真實(shí)驗(yàn)結(jié)果表明，該算法在多種非線性強(qiáng)度及信噪比條件下均能保持超過(guò) 93% 的檢測(cè)準(zhǔn)確率，誤報(bào)率低于 5.1% ，檢測(cè)時(shí)延低于2ms，性能優(yōu)于傳統(tǒng)多分辨率時(shí)頻和固定閾值方法。

參考文獻(xiàn)

[1]劉錫柱.基于PLC的礦井通風(fēng)機(jī)變頻集控系統(tǒng)的設(shè)計(jì)與研究[J].自動(dòng)化應(yīng)用，2024，65（10）：91-94.

[2]洪泳河.無(wú)線通信網(wǎng)絡(luò)優(yōu)化中數(shù)字下變頻技術(shù)的運(yùn)用[].信息通信，2013（7）：199-200.

[3]向臘.無(wú)線通信網(wǎng)絡(luò)優(yōu)化中數(shù)字下變頻技術(shù)的具體應(yīng)用研究[J].科技資訊，2011（8）：5.

[4]牟小令.光纖通信網(wǎng)絡(luò)中節(jié)點(diǎn)故障定位方法研究[J].激光雜志，2023，44（2）：143-148.

[5]毛虎.光纖通信網(wǎng)絡(luò)傳輸技術(shù)及其應(yīng)用研究[].輕工標(biāo)準(zhǔn)與質(zhì)量，2022（4）：117-119.

[6]郟帥威，汪偉，謝小平，等.空間激光通信網(wǎng)絡(luò)中的全光數(shù)據(jù)合路技術(shù)研究[J].遙測(cè)遙控，2022，43（4）：70-79.

[7]陳亞琨，宋騰，王一妹，等.電力OTN 骨干通信網(wǎng)風(fēng)險(xiǎn)預(yù)警分析及優(yōu)化[J].科技視 界，2022（3）：24-26.

[8]李英杰，宋振.基于SDH光傳輸技術(shù)的通信網(wǎng)絡(luò)優(yōu)化設(shè)計(jì)[J].電子技術(shù)與軟件工程，2021（19）：7-8.

[9]李磊，詹鵬，陳璞，等.容遲網(wǎng)絡(luò)下自由空間光纖通信網(wǎng)絡(luò)路由策略[J].激光雜志，2021，42（7）：127-131.

[10]周莉明.電力通信SDH光傳輸網(wǎng)網(wǎng)絡(luò)優(yōu)化[J].云南電力技術(shù)，2020，48（5）：56-58.

作者簡(jiǎn)介：周翔宇，本科，工程師，404602557@qq.com，研究方向：電力通信、信息網(wǎng)絡(luò)、電網(wǎng)數(shù)字化。