本技术涉及一种多波段光网络传输效率提升方法与系统。该方法通过分析未优化光网络中光纤节点的功率谱,识别补偿点,并计算相应的目标增益曲线。利用预训练的机器学习模型,基于目标增益曲线生成初始泵浦功率向量。通过迭代计算,优化泵浦功率向量,计算循环泵浦功率向量,并基于环境差调整迭代泵浦功率向量,直至确定最终泵浦功率。
背景技术
随着新互联网技术的快速发展以及终端和应用程序的爆炸性增长,流量一直保持指数级增长。作为传输的底层网络,光网络迫切需要新的扩容方法,以应对流量的巨大增长。多波段传输被认为是最近光网络升级的一种有前景的替代方案。这种方法利用了传统C波段以外的现有频谱,包括O、E、S和L波段。鉴于广泛部署的ITU-T G.652D光纤在这些波段上表现出低衰减,在多波段系统中可以有效地避免部署额外光纤的必要性,并且这些波段中需要使用到的各类器件也相对成熟,目前多波段波分复用系统已被证明是实现更大光网络容量的有效方法。
然而在扩展波段的同时会导致更加显著的非线性效应,尤其是信道间受激拉曼散射效应,会对不同波段的信号会造成非均匀的影响,直接导致了传输信号的功率谱形的复杂变化,具体表现为信道功率由高频信道转移至低频信道,该现象会导致高频信道的信号质量显著低于低频信道信号,严重时会导致高频处无法传输信号,这一问题降低了多波段扩容的有效性。
实现思路