专利名称：一种多参数感知的高精度网络故障筛选定位系统及方法
技术领域：
本发明涉及光通信技术领域，具体涉及光波分复用网络中的链路故障定位方法。
背景技术：
随着波分复用(WDM)技术的发展，单根光纤可支持更高速率的信息传输，光网络所承载的业务量急剧上升，链路故障时会导致大量数据丢失。因此，提高网络的生存能力至关重要。光网络生存性研究主要有故障监测、故障定位、故障保护和故障恢复四个方面。其中，故障保护保存已建立连接业务的备用路由并预留相应的资源，故障发生后，将业务转至备用路由上传输，达到保护业务的目的；故障恢复是指故障发生后，排除故障链路，通过重路由完成业务的传输。故障定位是故障保护和恢复的前提，快速准确的故障定位能够有效地减少链路故障带来的损失。链路发生故障后，其承载的业务会产生相应的征兆，将这些征兆视为告警。通过对这些告警信息进行处理，可以找出故障的位置，实现故障定位。告警产生的方式主要有两种:一是设定专门的监测波长主动获取链路的告警信息；二是根据链路上传输的业务被动获取链路的告警信息。根据告警产生方式的不同，可以将现有的故障定位方法分为两类:基于监测波长的故障定位算法和基于业务的故障定位算法。根据监测波长设计方式的不同，可以将基于监测波长的故障定位算法分为监测圈算法、监测迹算法和监测树算法三类。Hongqing Zeng等人在“Fault detection and path performance monitoring in meshedall-optical networks” [IEEE GL0BEC0M[C].Dallas, TX, USA, 2004.2014-2018文章中提出了一种基于监测圈的算法，该算法利用监测波长获取圈上链路的状态信息，即利用监测圈(M-cycle)收集告警，可实现快速故障定位。基于监测波长的故障定位算法可以实现链路故障的精确定位，但获取告警信息时需要专门的监测波长，造成了额外的资源开销，并且每条链路必须要满足多个监测波长覆盖的要求，定位成本较高。
由于网络中传输的业务可以反映出链路的状态，利用业务获取链路状态的告警信息，并依次实现故障定位，此类算法被称为基于业务的故障定位算法。基于业务的定位算法可节约定位资源，减少了定位开销。Xiaohui Huang等人在“Fault management forInternet service:Modeling and algorithms，， [IEEE International Conference onCommunications (ICC) [C].1stanbul, Turkey, 2006.854-859将链路故障时网络中业务产生的征兆作为告警，用与故障相关的告警数多少来表示该故障发生概率的大小，即故障的定位判别参数为故障覆盖范围。通过将覆盖范围最大的故障视为最有可能发生的故障，判定其为根源故障，从而实现故障定位。该算法节省了定位开销，但由于故障覆盖范围与故障发生概率之间并不具有完全对应的关系，参数定义存在一定的不合理性，导致定位准确度较低。为此，张成，廖建新，朱晓民在“基于贝叶斯疑似度的启发式故障定位算法”软件学报，2010，21 (10):2610-2621中提出了一个新的判别参数——贝叶斯疑似度。该参数表达出了故障的多个相关征兆对其反馈信息的差异性，更合理地反映了故障发生的可能性，极大提高了故障定位的准确度，但由于没有考虑征兆对不同故障的反馈信息差异性，参数定义仍有一定局限，定位性能很难得到进一步提升。可见，使用单一参数进行故障定位具有定位精度低、成本开销大的缺陷。因此，亟待寻找更合理的定位参数，并结合多参数来实现准确的光网络故障定位。
发明内容
本发明所要解决的技术问题是:针对传统基于监测波长的故障定位算法开销成本高的缺陷，本发明将业务感知到的链路状态信息作为征兆，并依此实现故障定位，降低定位开销；针对现有基于业务的故障定位算法单一判别参数定位性能差的缺陷，本发明设计了多参数来执行故障的筛选和定位，以进一步提升故障定位的准确度。本发明解决其技术问题所采用的技术方案是:提出一种多参数感知的高精度网络故障筛选定位系统，包括故障预测、故障筛选和故障定位模块。其中，预测模块利用故障传播模型快速得到最大可能故障集合。筛选模块通过定义参数故障信号强度，采用压缩感知方法来筛选掉最大可能故障集合中的冗余信息。定位模块通过定义参数信息熵差，选择概率较大的故障为最终故障，实现网络故障准确定位。
·
首先，预测模块建立反映故障和征兆之间因果关系的二分图故障传播模型，依据该模型快速找出所有与网络中出现的征兆相关的故障，并加入最大可能故障集合。此处最大可能故障集合定义为预测模块快速预测出的网络中所有可能发生的故障的集合。其真实故障所占比例较小，冗余误判故障比例较高。然后，筛选模块对最大可能故障集合的元素进行筛选，保留发生可能性较大的故障。定义故障信号强度来表示故障发生的可能性，将故障视为信号，故障覆盖范围的大小即为故障信号的强度值。由于压缩感知方法可在保留信号重要信息的情况下，有效降低信号维数，因此，可采用压缩感知方法对转化后的故障信号进行处理，得到冗余度更低的低维重构信号。然后将重构出的信号还原为对应的故障集合，即可得到包含元素数目更小的可能故障集合，实现了故障集合的筛选。筛选后的可能故障集元素数目越小，影响定位的元素越少，就越容易实现精确的定位。最后，在定位模块中根据参数信息熵差来表示故障发生可能性的大小。定义故障理想情况下和实际情况下信息熵的差值为故障的信息熵差。信息熵差值越小，实际情况越接近理想情况，即故障发生的可能性越大。其中，理想情况下征兆集合包含故障对应的全部征兆，实际情况下征兆集合为实际获得的所有征兆。对筛选后的可能故障集合中的元素，依据其信息熵差从小到大，选出最有可能解释所得征兆的故障集合作为定位结果，实现故障定位。一种多参数感知的高精度网络故障筛选定位系统，包括故障预测、故障筛选和故障定位三个模块，建立网络的二分图模型作为故障传播模型，预测模块利用故障传播模型得到网路中最大可能故障集合；筛选模块对最大可能故障集合的元素进行筛选，获得故障重构信号建立故障集合HsleMd ;定位模块根据信息熵差对筛选模块得到的故障集合Hslec^d进行处理，得到最终故障定位结果。得到网路中最大可能故障集合具体为:建立网络的二分图模型，设定时间窗口长度，周期性地获取网络中的征兆集合Sn，对单一窗口内的征兆集合5,进行识别，对Si e Sn,
找出与其相关的所有故障集合F (Si)，调用公式 Μαχ=F(A)获取最大可能故障集合H]VIax °筛选模块将最大可能故障集合HMax转化为原始信号X，对故障集合HMax=If1, f2，…
，fn}中的所有元素，根据公式
权利要求
1.一种多参数感知的高精度网络故障筛选定位系统，包括故障预测、故障筛选和故障定位三个模块，其特征在于，建立网络的二分图模型作为故障传播模型，预测模块利用故障传播模型得到网路中最大可能故障集合；筛选模块对最大可能故障集合的元素进行筛选，获得故障重构信号建立故障集合Hslec^d ;定位模块根据信息熵差对筛选模块得到的故障集合Hs-进行处理，得到最终故障定位结果。
2.根据权利要求1所述的故障筛选定位系统，其特征在于，得到网路中最大可能故障集合具体为:建立网络的二分图模型，设定时间窗口长度，周期性地获取网络中的征兆集合Sn,对单一窗口内的征兆集合Sn进行识别，对Si e Sn,找出与其相关的所有故障集合F(Si)，调用公式
3.根据权利要求1所述的故障筛选定位系统，其特征在于，筛选模块将最大可能故障集合HMax转化为原始信号X，对故障集合Hmm=K1, f2,…，fj中的所有元素，根据公式C(fi)=s|s e (Kfi) n SJ依次确定故障的覆盖范围，将所有C(A)组成数据序列为原始信号X，其中fi为集合HMax中第i个元素，η为信号X中数据的个数；根据感知矩阵A根据公式y=AX得到信号X的观测值y，观测值中具有最小非零元素数目的信号为重构信号，建立重构信号的故障集合HSlected。
4.根据权利要求1所述的故障筛选定位系统，其特征在于，所述信息熵差的确定具体包括:根据公式
5.根据权利要求3所述的故障筛选定位系统，其特征在于，所述感知矩阵A为对角矩阵，具体构建方法为，根据公式a SI= μ.Max (X1, x2,.，xn}计算阈值a SI，其中，μ (O ≤ μ ≤ I)为尺度因子，根据公式
6.一种多参数感知的高精度网络故障筛选定位方法，其特征在于，建立网络的二分图模型作为故障传播模型，预测模块利用故障传播模型得到网路中最大可能故障集合；筛选模块对最大可能故障集合的元素进行筛选，获得故障重构信号建立故障集合Hslec;tod ;定位模块根据信息熵差对筛选模块得到的故障集合Hslec;tod进行处理，得到最终故障定位结果。
7.根据权利要求6所述的故障筛选定位方法，其特征在于，得到网路中最大可能故障集合具体为:建立网络的二分图模型，设定时间窗口长度，周期性地获取网络中的征兆集合Sn,对单一窗口内的征兆集合Sn进行识别，对Si e Sn,找出与其相关的所有故障集合F(Si)，调用公式
8.根据权利要求6所述的故障筛选定位方法，其特征在于，筛选模块将最大可能故障集合HMax转化为原始信号X，对故障集合Hmm=K1, f2,…，fj中的所有元素，根据公式:c(fi)=s|s e (Kfi) n sN}依次确定故障的覆盖范围，将所有C(A)组成数据序列为原始信号X，其中fi为集合HMax中第i个元素，η为信号X中数据的个数；根据感知矩阵A根据公式:y=AX得到信号X的观测值y，观测值中具有最小的非零元素数目的信号为重构信号，建立重构信号的故障集合Hslec;ted。
9.根据权利要求6所述的故障筛选定位方法，其特征在于，所述信息熵差的确定具体包括:根据公式
10.根据权利要求1所述的故障筛选定位方法，其特征在于，依次取出Hslerted中的故障
11.根据权利要求8所述的故障筛选定位方法，其特征在于，所述感知矩阵A为对角矩阵，具体构建方法为，根据公式
全文摘要
本发明请求保护一种多参数感知的高精度网络故障筛选定位方法，涉及光通信技术领域。本发明针对传统的基于监测波长的定位方法定位开销大的缺陷，引入业务获取故障告警信息，节约了定位开销。本发明进一步针对现有基于业务的定位方法单一参数对提升定位性能具有局限性，提出了一种多参数的定位方法，将定位过程分为故障预测、筛选和定位三个模块，使用多参数分别完成基于压缩感知的故障筛选和进一步的故障定位。本发明通过多参数的巧妙结合打破了单一参数的局限，能有效提高定位准确度。
文档编号H04B10/07GK103199919SQ201310137968
公开日2013年7月10日 申请日期2013年4月19日 优先权日2013年4月19日
发明者熊余, 吴晴, 赵莹, 王汝言 申请人:重庆邮电大学