深度QoT估计网络

毫秒级全网评估

无需解析模型，直接在动态网状拓扑上快速预测全网传输质量。

Yao, Zhang · Song, Yuchen · Yan, Shi · Li, Jin · 张传彪 · Yu, Tang · 张民 · 王丹石

2023

技术优势

计算时间大幅缩短

用深度神经网络替代解析模型，QoT估计从复杂数值计算变成一次性前向传播，因此动态网络中可以快速得到结果。

适应光纤断裂场景

该方法在光纤断裂情况下也能应用，说明对拓扑突变具有鲁棒性，可用于故障后的快速评估。

应用场景

• 动态光网络运维：在网络控制器中集成该模型，对实时拓扑进行毫秒级QoT估计，支撑动态路由和资源分配。
• 光纤故障定位：光纤断裂后快速评估全网QoT变化，辅助定位故障影响范围。
• C+L波段扩容：模型面向C+L波段网状网，可支持更大带宽下的传输质量快速评估。