基于云計算平臺的光通信狀態識別系統——設計與實現

黃亮

摘要：光通信狀態識別是“以一識多”的途徑．傳統的識別方法無法對光通信狀態進行高效率、高精度的識別描述，導致出現識別結果有誤差、識別精確度低等問題。為了處理不同識別情景，有效減少識別弊端，需以云計算平臺為基礎，設計光通信狀態識別系統。文章具體分析了光通信狀態識別的現狀，找出導致識別不理想的原因，在光通信信號中找出識別的特征，全面構建云計算平臺，從各個節點入手，實現了光通信狀態的識別．

關鍵詞：云計算平臺：光通信狀態：狀態識別系統：設計實現

中圖分類號：TP18；TP393

文獻標志碼：A

0 引言

與其他通信技術相比，光通信技術的環境適應能力更強，處理速度更快，抗外界干擾能力更強。隨著光通信技術的持續發展，光通信技術在各個行業領域都取得了一定的成績。但是，醫療領域、信息采集領域、軍事領域的光通信狀態識別并不完善，要想解決客觀問題并降低識別誤差，就要以網絡數據平臺為基礎，設計光通信狀態識別系統，從光通信狀態的信號采集中提取其特點，并通過網絡數據平臺中由中心節點控制多個節點，用支持向量機來控制節點，從而實現對光通信狀態的識別經過測試，基于云計算平臺下的光通信狀態識別是一種正確率高、速度快的識別方法。

1 基于云計算平臺的光通信狀態識別系統設計

1.1 工作原理及特征

隨著數據的不斷產生，不同行業、不同領域的數據已經呈現直線上升的趨勢，這也表明如今已經全面進入大數據時代。在此背景下，如果還是沿用傳統的數據處理技術，受電子器件尺寸和處理器制作丁藝的影響，數據處理的速度很難突破瓶頸以達到客觀要求[1-2]。在互聯網飛速發展的背景下，云計算平臺可以組合排列多個地理位置上的分散節點，并采用其分散式管理的技術，將這些節點組合成一個大的系統，進而加快處理數據的速度、提升處理數據的能力。云計算平臺主要是將一個大的任務劃分成為若干個小的片段，并且根據不同片段的情況依次處理，從而節省了大任務全面處理的時間，也降低了處理的難度．工作原理如圖1所示。

在云計算平臺中，通過光通信狀態識別同步進行多個節點的處理，能夠更有效地提升光通信狀態識別數據的速度，識別特征步驟如下：（1）借助專項工具，對光通信狀態信號進行采集。（2）選擇小波變換形態，以多尺度方式分解光通信狀態信號，獲取的信號為不同幅度下的表現[3]。（3）對數據能量特征進行統一化。

1.2 工作步驟及設計

在光通信狀態識別的數據挖掘技術中，支持向量機和二乘向量機都屬于機器處理數據的范疇，其中，后者的學習速度快于前者，但是學習精確度比較低，光通信狀態識別這一類型存在建設難度，所以識別以向量機為主，對其進行研究。

在支持向量機識別中引入函數數據處理，處理數據和識別狀態的效率得到大幅提升，并為光通信狀態識別提供了分類機器處理的支持。在云計算平臺下，光通信狀態識別的程序如下：（1）采取光通信狀態識別中的信號，并去除信號中的噪聲[4]。（2）針對已經去除噪聲后的光通信信號進行進一步的分解處理，從中提取出光通信信號的特點。（3）在光通信狀態信號中，支持向量機的輸入這一特征，會輸出相對應的類型，借助支持向量機的研究，掌握光通信狀態信號，并進行構建。

2 光通信狀態識別的案例

2.1 云計算平臺的搭建

在進行實例實驗的過程中，需要搭建一個云計算平臺，該平臺擁有多節點特征，結構為一個中心節點、多個工作節點。其中，中心節點管理工作節點，這樣一來，通過有效的管理能夠更好地協調各節點的工作，也能讓各個節點的資源得到充分利用，從而保障每一個節點工作的均衡性[5]。

2.2 光通信狀態信號的來源

光通信狀態識別優勢和效果的判定可以采用云計算平臺進行全面的測試，光通信狀態識別為主要測試手段，包括K近鄰方法和BP神經網絡方法，在云計算平臺中，這兩種方法對拒識率、正確率、誤識率進行有效的測試[6]。

在測試過程中，針對測試目標，可以以光通信狀態信號為主，并將其分為多個種類，包括正確光通信狀態、異常通信狀態。其中，異常狀態主要為信號中斷、非法入侵、非法攻擊以及干擾等狀態[7]。其中，正常光通信狀態編號為1；異常光通信狀態編號為2-5。

2.3 光通信狀態識別的效果

差異性光通信狀態下的識別效果如圖2所示。

全方位分析圖2可知：（1）BP神經網絡方法下的光通信狀態識別效果顯著，識別正確率有所提高，而且光通信狀態識別中出現的誤差情況明顯減少，但是從整體上來看，與普通實驗效果相比，光通信狀態識別在BP神經網絡這一模式下，結果存在很大的差距[8]。（2）在K近鄰方法下，識別結果存在問題，無法準確判斷各種光通信狀態，最終識別的結果與實際情況還是存在誤差，并且根本無法描述不同狀態之間的關系和區別，導致識別過程存在很大的局限性，無法應用到光通信狀態識別管理中[9]。（3）無論是哪種光通信狀態識別方法，云計算平臺下的狀態識別效果肯定是最好的，因為這種識別模式在很大程度上降低了識別誤差，能夠高精確度地識別各種光通信狀態，并且識別正確率較高[10]。

2.4 光通信狀態識別的效率

在單機平臺和云計算平臺下，為了測試兩者的光通信狀態識別效果，分別測試在兩種平臺下的光通信狀態識別時間，識別情況如圖3所示。

基于這兩種平臺，比較識別時間發現，單機平臺下識別時間更長，云計算平臺下則較短，而且識別效率也更高，能夠在很大程度上滿足光通信狀態下信號識別和狀態建模的要求，從而最大限度地提高光通信狀態識別的價值。

3 結語

光通信狀態識別是當前光學領域中的研究熱點。在傳統的光識別方法下，光通信狀態識別誤差等問題突出。為了全面提高光通信狀態的識別效率和效果，本研究基于云計算平臺，設計了光通信狀態識別系統。本文設計的系統相比于傳統的識別方法，在云計算平臺下的光通信狀態識別系統能夠有效縮短識別時間并加快識別速度，識別精確度更高，在實際的光通信狀態識別過程中，還能夠降低誤識率和拒識率，應用效果和前景非常理想。

參考文獻

[1]任靜．基于Hadoop云計算環境下人臉識別系統的研究與實現[J]．電子設計工程，2019（5）：116-120.

[2]杜博．云計算環境下的智能電網光通信網絡安全的研究[J]．自動化與儀器儀表，2018（1）：19-22，26.

[3]楊鳳霞．云計算環境下的智能電網光通信網絡路由算法[J]．自動化與儀器儀表，2017（ 9）：24-27．

[4]李燕，董倩，段麗英．基于云計算的光通信系統狀態模式識別研究[J]。激光雜志，2021（5）：88-91．

[5]陳靜，丁學文，榮秀婷，等．基于云計算和光通信網絡下智能電網信息模型的建立[J]．自動化與儀器儀表，2017（4）：181-184．

[6]蘇志軍，李澎林．云計算激光通信數據均衡存儲技術[J]．激光雜志，2018（8）：82-87．

[7]宋卓夫．云計算背景下的智能電網光通信網絡安全探討[J]．締客世界，2020（5）：16．

[8]楊鳳霞．云計算環境下的智能電網光通信網絡路由算法[J]．自動化儀器儀表2017（9）：21-27．

[9]李明，張引發，任帥，等．面向云計算的下一代光網絡技術研究進展[J]．激光與光電子學進展，2015（ 7）：22-30.

[10]張莉．新時期物聯網發展中光通信技術的應用分析[J]．通訊世界，2019（7）：87-88．

（編輯李春燕）