互聯(lián)網(wǎng)的發(fā)展,帶動了網(wǎng)絡業(yè)務需求的上漲。作為互聯(lián)網(wǎng)重要的基礎設施,光網(wǎng)絡表現(xiàn)出越來越靈活和高效的發(fā)展態(tài)勢,光網(wǎng)絡中的光路部署和實時信號質(zhì)量監(jiān)測變得越來越復雜。通過對光網(wǎng)絡中未建立光路的信號質(zhì)量預測,可以利于光網(wǎng)絡建設和動態(tài)配置。此外,光網(wǎng)絡中光路的實時信號質(zhì)量監(jiān)測,特別是針對光路故障的監(jiān)測和定位,也是高速動態(tài)光網(wǎng)絡生存性保障的重點。近年來,將人工智能的技術應用到光網(wǎng)絡領域研究層出不窮,本文將圍繞利用機器學習(Machine Learning,ML)算法進行光網(wǎng)絡中光路傳輸質(zhì)量評估和故障監(jiān)測這兩方面進行分析研究。本文的主要研究內(nèi)容及主要創(chuàng)新有:1、本文利用大量歷史光路樣本,采用神經(jīng)網(wǎng)絡算法對光網(wǎng)絡中待建光路光信噪比(Optical Signal Noise Ratio,OSNR)進行準確估計。本文首先考慮了光網(wǎng)絡中光路受相鄰光路的非線性干擾和光學監(jiān)測不確定性的影響,提出了新型的基于神經(jīng)網(wǎng)絡的OSNR估計模型。通過在NSFNET上進行廣泛的仿真,對多個神經(jīng)網(wǎng)絡模型參數(shù)和網(wǎng)絡參數(shù)的研究分析,當容許估計誤差在0.5 dB以內(nèi),神經(jīng)網(wǎng)絡估計光路OSNR模型可獲得98%以上的估計準確率。2、摻鉺光...

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【部分圖文】：

圖2-1MP神經(jīng)元模型

神經(jīng)網(wǎng)絡的提出是出于對生物神經(jīng)網(wǎng)絡的思考,模擬生物大腦的網(wǎng)絡處理方式。在生物神經(jīng)網(wǎng)絡中,每個神經(jīng)元之間互連,當神經(jīng)元接收了外部的輸入,其神經(jīng)元電位處于較高電平時,神經(jīng)元會處于“興奮”狀態(tài),會向其他神經(jīng)元傳遞化學物質(zhì)。如圖2-1所示,一直沿用至今的“感知網(wǎng)絡(Multilayer....

圖2-2DNN基本結(jié)構(gòu)

圖2-1MP神經(jīng)元模型將多個神經(jīng)元按不同的層次結(jié)構(gòu)進行連接擴展,就產(chǎn)生了神經(jīng)網(wǎng)絡。如圖2-2,神經(jīng)網(wǎng)絡的結(jié)構(gòu)為一個輸入層,一個輸出層,及大于等于一層的隱藏層,通常把大于三層隱藏層的神經(jīng)網(wǎng)絡稱為深度神經(jīng)網(wǎng)絡。假設輸入層有5個神經(jīng)元,隱藏層第一層有10個神經(jīng)元,則他們之間會產(chǎn)生50....

圖2-3四種激活函數(shù)

ReLu函數(shù)的全稱為RectifiedLinearUnits,ReLu是目前深層神經(jīng)網(wǎng)絡中經(jīng)常使用的激活函數(shù),是一個斜坡函數(shù),定義為:ReLu對于隨機梯度下降的收斂有巨大的加速作用,但當x是小于0的時候,從此所有流過這個神經(jīng)元的梯度將都變成0,這個時候這個ReLu神經(jīng)元在訓練....

圖2-4BP算法步驟

因此,得到神經(jīng)網(wǎng)絡的最后輸出后,再使用BP算法,通過迭代調(diào)整來更新權重值,進而優(yōu)化神經(jīng)網(wǎng)絡模型,最終實際結(jié)果與預測結(jié)果之間的誤差得以進一步減小。通常將交叉熵作為神經(jīng)網(wǎng)絡的損失函數(shù),用來衡量神經(jīng)網(wǎng)絡期望輸出向量Y與輸出向量?Y的距離。交叉熵產(chǎn)生于信息論里面的信息壓縮編碼技術,但是它....

本文編號：3974756