基于载波调制的光纤通信故障数据诊断方法.pdf

PAGE063光纤通信信号一般具有复杂的低频成分，在通信信道中传输难以匹配信道特性，导致光纤通信故障诊断准确度不高，因此提出了一种基于载波调制的光纤通信故障数据诊断方法。该方法通过采集并预处理光纤通信信号，将采集信号加载到高频载波上实现载波调制，然后输入B P 神经网络进行初步故障诊断。进一步利用换班测试法确定故障数据在通信链路上的位置。实验结果表明，该方法在实现光纤通信故障数据诊断的同时，能够准确定位故障数据在通信链路中的位置。Optical fiber communication signal generally has complex low frequency components,and it is difficult to match the channel characteristics in the communication channel,which leads to the low accuracy of optical fiber communication fault diagnosis.Therefore,an optical fiber communication fault data diagnosis method based on carrier modulation is proposed.By collecting and preprocessing optical fiber communication signal,the carrier signal is loaded on the high frequency carrier,and then input into BP neural network for preliminary fault diagnosis.Further use the shift test method to determine the location of the fault data on the communication link.The experimental results show that the proposed method can accurately locate the position of the fault data in the communication link while realizing the optical fiber communication fault data diagnosis.载波调制 光纤通信 故障数据 诊断方法carrier modulation;optical fiber communication;fault data;diagnostic methodDoi:10.3969/j.issn.1673-5137.2024.02.010摘 要 Abstract关键词 Key Words0.引言随着信息化社会的迅速发展，光纤通信技术已成为现代通信中不可或缺的一部分。它以传输距离远、传输速度快和抗干扰能力强等优势，在各个领域中得以广泛应用。然而，由于环境因素和设备老化等原因，光纤通信系统可能会出现各种故障。这些故障包括但不限于光路中断、信号衰减、噪声干扰等，它们可能会导致数据传输错误和系统崩溃等问题，严重影响通信质量。所以对光纤通信故障进行及时且准确的诊断显得尤为重要，刘云朋等人将深度学习和遗传算法融合在一起，进行大规模光纤网络异常数据的识别检测1，在检测精度、时效性等方面具有一定优势；于淼等人为解决传统OTDR技术的注入功率大、事件盲区大等问题，引入COFDR技术进行通信网络中光纤故障的精准定位和实时监测2。李灿等人提出面向电力OPGW光缆的故障精准快速定位方法3，通过利用分布式传感技术，能够准确地识别线路光缆接续盒，标定线路接续杆塔位置，并以接续杆塔为新坐标，实现故障的精准快速定位。陈鑫等人提出基于改进麻雀搜索算法与支持向量机的光纤陀螺故障诊断方法4，降低了漏检和误判的可能性，而且能够及时发现和处理故障，保障了光纤陀螺的正常运行和稳定性。虽然国内外众多学者针对光纤通信故障诊断的研究已经取得一定成果，但由于光纤通信信号属于数组基带信号，通常具有复杂的低频成分，实际传输过程中难以匹配通信信道的特性，如果直接应用于故障数据诊断中，很难确保诊断结果的精度与稳定性。因此，为解决这类问题，本文提出基于载波调制的光纤通信故障数据诊断方法，具体研究思路如下：首先，采集并预处理光纤通信信号；其次，将采集信号加载到高频载波上实现载波调制；然后，然后输入BP神经网络进行初步故障诊断；最后，利用换班测试法确定故障数据在通信链路上的位置。1.采集并预处理光纤通信信号基于载波调制的光纤通信故障数据诊断方法利用了载波基于载波调制的光纤通信故障数据诊断方法 王琳（武汉铁路职业技术学院 湖北 武汉 430205）网络维护Network MaintenancePAGE064网络维护Network Maintenance调制技术在光通信中的应用。载波调制是一种通过将信息信号调制到高频载波上来实现信号传输的技术，其原理和方法在光通信中得到了广泛的应用。该方法通过提取载波调制信号中的特征参数，如幅度、频率、相位等，利用这些参数的变化来判断可能存在的故障类型。例如，如果信号频率偏移较大，则可能存在光纤拉断故障；如果相位变化超过阈值，则可能存在光缆连接器的接触不良等。通过分析载波调制信号的波形变化来判断故障类型。由于光电探测器采集的光纤通信信号中存在大量噪声，势必会影响后续故障数据诊断精度，所以需要利用小波变换算法进行噪声剔除。一般来说，含有噪声的光纤通信信号可以通过下式描述：X(t)=S(t)+(t)（1）式中，X(t)表示含有噪声的光纤通信信号；S(t)表示真实有效的通信信号；(t)表示噪声信号。为使从X(t)中恢复S(t)，需要先对原始光纤通信信号做小波分解处理，即可得到一系列小波系数，包括了高频的真实有效的通信信号和低频的噪声信号，所以这时对分解所得系数做阈值量化处理，就可以将原始通信信号中低频的噪声部分剔除，阈值计算公式如下所示：（2）式中，表示光纤通信信号小波降噪阈值；表示附加噪声信号的标准差；N表示分解后所得小波系数的数量。最后对式（2）所求阈值量化处理后的小波系数做重构处理，即可得到剔除了噪声信号的光纤通信信号，作为本次光纤通信故障数据诊断的基础数据。2.光纤通信信号的载波调制由于本文采集的光纤通信信号属于数字基带信号，这类通信信号具有复杂的低频成分，很难匹配光线通信信道的特性，所以需要对原始采集的光纤通信信号做载波调制处理，简单来说就是将光纤通信信号加载到高频载波上，以匹配信道特性5。为实现光纤通信信号的载波调制，本文引入了单载波调制方式中的振幅键控调制方法，简单来说就是通过改变载波的振幅来传输数字基带信号，已知在光纤通信信号的载波调制过程中，如果数字基带信号为二进制信号，可以将其称之为二进制振幅键控，主要由脉冲与载波相乘获得，其中光纤通信信号的脉冲呈单极性矩形，那么在时域上光纤通信信号的二进制振幅键控形式能够用下式来描述：（3）式中，Y(t)表示时域上二进制振幅键控信号；A表示调制信号的幅值；f表示调制信号的载频；表示调制信号的相位；g(t)表示单极性矩形脉冲；L表示脉冲的时间长度；ki表示二进制振幅键控调制。其中ki的取值服从下式所示关系：（4）在采用振幅键控调制方式进行光纤通信信号的载波调制时，通常载波的幅度只包含两种不同的状态，在二进制编码中分别对应这0与1，所以本文在利用该方式进行光纤通信信号的载波调制时，主要通过数字信息对载波进行键控，进而使载波的输出中断或者连续，当向载波发送1进行键控时，就会有载波被输出；当向载波发送0进行键控时，就会没有载波被输出。因此，通过上述内容所描述的振幅键控调制方式，可以将原始采集的光纤通信信号加载到高频载波上，实现光纤通信信号的载波调制。3.光纤通信故障数据诊断在完成对光纤通信故障信号的采集与调制之后，将结合BP神经网络，根据采集信号与故障模式之间的对应关系，进行故障数据诊断6。BP神经网络是一种神经计算模型，具有独特的体系结构与计算机制，通过误差反向传播完成光纤通信故障数据的诊断、在BP神经网络中，主要包括了输入层、输出以及众多隐藏层，其可以通过输入矢量与对应的输出矢量，来进行网络整体结构的训练，从而找到本文所需的光纤通信信号数据和故障模式之间的关系映射。那么，在BP神经网络的学习训练过程中，分别进行了前向传播、反向传播以及隐藏层权值和偏置值的更新这三个过程，其中前向传播就是输入数据由输入层向输出层顺序传播，其表达式如下所示：yn+1=hn+1(n+1yn+bn+1)（5）式中，yn+1表示BP神经网络第n+1层的输入样本；hn+1表示第n+1层的激活函数；n+1、bn+1分别表示第n+1层的权值和偏置值；yn表示网络第n层的输出。关于BP神经网络的反向传播过程，就是将网络的实际和期望输出之间的误差由输出向输入层进行逆向的传播，表达式如下所示：（6）式中，qi表示BP神经网络连接权系数和阈值迭代次数；netbi表示第i个样本数据的运算函数输入值；bij表示第i个样本数据和第j个样本数据之间的连接权系数；cj表示第j个样本数据的误差值；J表示BP神经网络输入的样本数量。权值与偏置值的更新主要根据梯度下降法进行，也就是选择一个PAGE065网络维护Network Maintenance恰当的可以促使网络梯度达到最快的下降速度的控制连接权系数，对原始权值与偏置值进行迭代更新。对每一个输入BP神经网络的样本数据重复上述三个过程后，即可促使模型误差达到期望值，此时再输入调制后的光纤通信信号数据，即可得到BP神经网络学习输出的光纤通信故障数据分类识别结果。在根据上述内容初步判定了光纤通信过程中是否存在故障数据后，本文将进一步通过换班测试法对故障数据在通信链路上的位置进行定位7。换班测试法，简单来说就是在光纤通信过程中，结合特定的测试标准对光纤链路进行现场的换班测试，如果换班测试后通信故障数据消失，那么故障点则位于被测试的光纤链路上，从而实现光纤故障点定位。总之，本文采集并调制光纤通信故障信号数据后，利用BP神经网络对调制光纤通信信号进行了分类识别，以此实现光纤通信故障数据的初步诊断，然后再将诊断后的光纤通信故障信号数据和光纤通信过程进行适配，即可确定故障信号数据在链路上的位置，进而完成基于载波调制的光纤通信故障数据诊断全过程。4.仿真实验在完成对光纤通信故障数据诊断方法的设计后，为验证基于载波调制的故障数据诊断方法的有效性与正确性，以某供电公司的光纤通信网络为例展开仿真实验。已知该供电公司拥有3座220kV的变电站，线路总长度约128km，采集该公司相关数据作为本次实验数据。与此同时，为确保仿真实验过程的可视化，本文在MATLAB软件中搭建一个RTL81096AS实验平台，并写入相应的光纤通信指令和故障诊断程序，下表展示了实验平台的具体参数设计：表1：实验平台技术参数设置在根据上表所示参数完成本次仿真实验环境的设置后，将实例供电公司相关的光纤通信数据按时序导入实验平台后，即可绘制出如下图所示的光纤通信稳定时通信信号的传输过程：图1：光纤通信过程数据可视化如图所示，本次实验在整个光纤通信过程中随机插入了黑色圆点所示的25个故障信号点，其中故障包括光纤损坏故障、连接故障、信号传输故障以及光纤衰减四类。实验过程中，先采用本文设计方法进行光纤通信故障数据的诊断，并定位故障点在空间中位置；然后分别采用基于深度学习的光纤通信故障数据诊断方法与基于OTDR的光纤通信故障数据诊断方法，对相同光纤通信故障数据进行诊断与定位；最后，在三种不同方法对光纤通信故障数据诊断结束后，以故障数据定位准确度作为故障诊断方法性能的评估指标，也就是通过对比不同方法下光纤通信故障数据在链路上的定位结果和实际位置之间的偏差，来验证本文设计方法是否可行，具体实验结果如下图所示：图2：光纤通信故障定位结果对比由图2所示可知，在0100ms的传输时间内，OTDR方法能够对上述光纤通信故障进行定位，在63ms时，出现信号，但是未检测出故障；在65ms时，没出现信号，但是检测出故障；深度学习方法在36ms与68ms时，出现故障信号，但未检测出故障；在38ms与72ms时，未出现故障信号，但检测出故障；本文设计方法不仅可以对光纤通信过程中的故障数据给予准确地诊断，而且可以实现对故障数据在通信链路中的位置100%精准定位。而对照组方法在进行光纤通信链路中的故障数据定位时分别存在8%、4%的偏差，相比于本文设计方法，对照组方法所得故障数据诊断结果精度更低，无法作为光纤通信故障决策依据。因此，本文设计的基于载波调制的光纤通信故障数据诊断方法是有效且正确的，在实际应用中可以精准诊断并定位光纤通信链路中的故障信号。5.结束语项目参数操作环境Visual DSP+4.0终端Windows 10总线地址PXI总线通信封装方式压缩封装PAGE066网络维护Network Maintenance本文提出了一种基于载波调制的光纤通信故障数据诊断方法，旨在提高光纤通信系统故障检测的准确性和效率。通过实验验证了该方法的可行性和优越性，设计方法具有以下优点：首先，能够准确检测出光纤通信系统中的故障；其次，具有较高的故障数据诊断与定位精度；最后，能够为光纤通信的维护提供有效的技术支持。因此，本文设计的光纤通信故障数据诊断方法具有广泛的应用前景和市场前景。作者简介王琳，1979年12月15日生，女，湖北武汉人，本科学历，副教授，就职于武汉铁路职业技术学院，主要从事铁道通信与信息化技术方面的研究。参考文献1 刘云朋，霍晓丽，刘智超.基于深度学习的光纤网络异常数据检测算法J.红外与激光工程，2021,50(06):288-293.2 于淼，吉顺兵，刘海，等.基于非相干光频域反射技术的高精度光纤网络健康在线监测系统J.中国激光，2022,49(04):85-94.3 李灿，王颖，宁云潇，等.面向电力OPGW光缆的故障精准快速定位方法J.北京邮电大学学报，2022,45(03):32-37.4 陈鑫，肖明清，孙曜，等.基于改进麻雀搜索算法与支持向量机的光纤陀螺故障诊断J.空军工程大学学报(自然科学版)，2021,22(03):33-40.5 刘畅.高速光纤通信网络总线链路的设计与实现J.火力与指挥控制，2022,47(04):104-109.6 杨知非，董曼玲，杜君莉，等.换流阀触发光纤故障分析与电场仿真J.科学技术与工程，2022,22(27):11933-11942.7 张贺，袁兆祥，李先允，等.基于平滑阈值函数的分布式光纤雷击定位方法J.电力建设，2021,42(12):75-82.