立项评审通过 创新训练 510电子与通信技术 通信网络未定级

随着物联网、云计算、5G等技术的蓬勃发展，人们对于高质量的网络访问的需求不断递增，2021年三月，第四十七次《中国互联网发展状况统计报告》发布，报告显示：我国网民数量达到9.89亿，同比去年增长了5.9%。如此庞大且与日俱增的网络流量压力为骨干网中的基础承载技术——光网络提出了挑战。 在光网络中，为了保证端到端光路的传输可靠性，在建立光路前需要估计光路传输到接受端的信号质量，即该光路的传输质量（QoT）。目前对于光网络传输质量的预测主要通过理论计算的方式，然而，随着光纤功率的提升，光纤中的光波与介质相互作用并受其影响的非线性效应将变得越来越显著，这种非线性效应不易被测量，使得通过理论计算预测传输质量的方法可靠性降低。 人工神经网络是一种模仿生物神经网络的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。大多数情况下人工神经网络对非线性系统的拟合较正式的逻辑学推理演算更具有优势。因此，较传统的理论计算方法而言，通过人工神经网络对光路传输质量进行预测可以有效的提高预测的精确度，从而为光网络的可靠性分析提供一定的理论基础。 然而，传统的神经网络方法在光网络QoT预测上仍然面临源域与目标域网络特征差异较大的问题。为此，本文提出采用元学习方法，通过将源域样本分为多个元任务，使得模型能够学习到更具普遍性的初始化参数，从而在目标域样本较少的情况下，依然能快速收敛并达到较高的预测精度。