光网络中基于小波变换的链路故障监测算法

doi:10.3724/SP.J.1087.2013.00382

计算机应用 ›› 2013, Vol. 33 ›› Issue (02): 382-399.DOI: 10.3724/SP.J.1087.2013.00382

光网络中基于小波变换的链路故障监测算法

熊余¹,²,刘晓清²,彭海英²,王汝言²

1. 重庆大学计算机学院，重庆 400044
2. 重庆邮电大学重庆光纤通信技术重点实验室，重庆 400065

收稿日期:2012-08-08 修回日期:2012-09-25 发布日期:2013-02-25 出版日期:2013-02-01
通讯作者: 刘晓清
作者简介:熊余(1982-)，男，四川资中人，讲师，博士研究生，CCF会员，主要研究方向：宽带网络可靠性理论及抗毁技术;
刘晓清(1986-)，女，重庆人，硕士研究生，主要研究方向：光通信网络故障管理;
彭海英(1973-)，女，四川广安人，副教授，硕士，主要研究方向：下一代互联网、光交换;
王汝言(1969-)，男，湖北浠水人，教授，博士，CCF会员，主要研究方向：全光网络、下一代光网络故障管理机制、多媒体信息处理。
基金资助:
国家自然科学基金资助项目;国家自然科学基金资助项目;重庆市教委科学技术研究项目;重庆市教委科学技术研究项目(KJ110531)

Link fault monitoring in optical networks based on wavelet transform

XIONG Yu¹,²,LIU Xiaoqing¹,PENG Haiying¹,WANG Ruyan¹

1. Chongqing Key Laboratory of Optical Fiber Communication, Chongqing University of Posts and Telecommunications, Chongqing 400065, China
2. College of Computer Science, Chongqing University, Chongqing 400044, China

Received:2012-08-08 Revised:2012-09-25 Online:2013-02-25 Published:2013-02-01
Contact: LIU Xiaoqing

摘要/Abstract

摘要： 针对光网络中传统故障监测方法误差大、速度慢等问题，提出一种基于小波变换的链路故障监测算法。在该算法中采用动态周期轮询的方法监测链路光功率，利用小波变换在时—频域上的良好局部特性提取监测值中的故障信息。算法对监测到的光功率值进行多尺度分解以降低噪声影响，从而提高故障监测的准确性。仿真结果表明，与时域的分析方法相比，基于小波变换的故障监测算法能够较好地克服噪声影响，漏警率减少到0，误警率降低了5百分点;而且实验环境下的故障监测时间为2.53~3.12ms，能够满足实时需要。

关键词: 光网络, 小波变换, 故障监测, 光功率, 奇异性监测

Abstract: The traditional fault monitoring methods have some problems such as great deviation and slow speed. To solve these problems, a link fault monitoring algorithm based on the wavelet transform was presented. This algorithm used the dynamic polling scheme to detect the optical power and used the local characteristic in time-frequency domain of the wavelet transform to extract the fault information from the detection value. The monitoring optical power value was decomposed with multi-scale to eliminate the effects of noise, thereby improving the accuracy of the fault monitoring. The experimental results show that compared to the analytucal methods in time domain, the proposed fault monitoring algorithm based on wavelet transform is better to overcome the effects of noise. The leakage alarm rate is reduced to zero and the false alarm rate is decreased by five percentage. The monitoring time is between 2.53ms and 3.12ms, which can meet the real-time requirement.

Key words: optical network, wavelet transform, fault monitoring, optical power, singularity monitoring

中图分类号:

TP393.06

熊余刘晓清彭海英王汝言. 光网络中基于小波变换的链路故障监测算法[J]. 计算机应用, 2013, 33(02): 382-399.

XIONG Yu LIU Xiaoqing PENG Haiying WANG Ruyan. Link fault monitoring in optical networks based on wavelet transform[J]. Journal of Computer Applications, 2013, 33(02): 382-399.

[1]	李牧, 骆宇, 柯熙政. 基于调频连续波雷达的人体生命体征检测算法[J]. 《计算机应用》唯一官方网站, 2024, 44(6): 1978-1986.
[2]	周景贤, 李希娜. 基于改进卷积神经网络和射频指纹的无人机检测与识别[J]. 《计算机应用》唯一官方网站, 2024, 44(3): 876-882.
[3]	叶力硕, 何志学. 融合小波分解的多尺度时间序列异常检测[J]. 《计算机应用》唯一官方网站, 2024, 44(10): 3300-3306.
[4]	何国欢, 朱江平. WT-U-Net++：基于小波变换的表面缺陷检测网络[J]. 《计算机应用》唯一官方网站, 2023, 43(10): 3260-3266.
[5]	廖光锴, 张正, 宋治国. 基于小波特征与注意力机制结合的卷积网络车辆重识别[J]. 《计算机应用》唯一官方网站, 2022, 42(6): 1876-1883.
[6]	闫钧华, 侯平, 张寅, 吕向阳, 马越, 王高飞. 基于双通道卷积神经网络的图像单失真类型判定方法[J]. 计算机应用, 2021, 41(6): 1761-1766.
[7]	彭雪莹, 江永全, 杨燕. 基于图卷积网络的迁移学习轴承服役故障诊断[J]. 《计算机应用》唯一官方网站, 2021, 41(12): 3626-3631.
[8]	邱甲军, 吴跃, 惠孛, 刘彦伯. 基于小波变换的分数阶微分算法在肝脏肿瘤CT图像纹理增强中的应用[J]. 计算机应用, 2019, 39(4): 1196-1200.
[9]	石昌友, 王美丽, 刘欣然, 黄慧丽, 周德强, 邓干然. 基于机器视觉的不同类型甘蔗茎节识别[J]. 计算机应用, 2019, 39(4): 1208-1213.
[10]	周阳, 吴启武, 姜灵芝. 基于分布式路径计算单元的多域光网络组密钥管理方案[J]. 计算机应用, 2019, 39(4): 1095-1099.
[11]	陈善学, 漆若兰, 唐义嫄. 基于多变换域的彩色图像多功能水印算法[J]. 计算机应用, 2018, 38(8): 2274-2279.
[12]	邹佳彬, 孙伟. 基于提升静态小波变换与联合结构组稀疏表示的多聚焦图像融合[J]. 计算机应用, 2018, 38(3): 859-865.
[13]	高净植, 刘祎, 白旭, 张权, 桂志国. 平稳小波域深度残差CNN用于低剂量CT图像估计[J]. 计算机应用, 2018, 38(12): 3584-3590.
[14]	陈浩, 吴启武, 李芳, 姜灵芝. 基于分层路径计算单元与双矩阵博弈的多域光网络静态组播专用保护算法[J]. 计算机应用, 2018, 38(11): 3299-3304.
[15]	张弢, 康缘, 任帅, 柳雨农. 基于压缩感知和GHM多小波变换的信息隐藏算法[J]. 计算机应用, 2017, 37(9): 2581-2584.

光网络中基于小波变换的链路故障监测算法

Link fault monitoring in optical networks based on wavelet transform

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics