Metodo per monitorare un sistema di comunicazioni ottiche
Data di pubblicazione
08-09-2021Codice
DEIB.18.004.AStato
DisponibileData di priorità
08-03-2018Fase
Nazionale (brevetto concesso in Italia) e Internazionale (PCT)Titolare
Politecnico di MilanoDipartimento
DIPARTIMENTO DI ELETTRONICA, INFORMAZIONE E BIOINGEGNERIAAutori
Francesco Musumeci, Massimo Tornatore, Achille Pattavina, Shahkarami ShahinDescrizione
L’invenzione consiste in un metodo per individuare i guasti in sistemi di comunicazione ottica ed identificarne le relative cause.
Il metodo sfrutta il monitoraggio di parametri di qualità della trasmissione ottica, come ad esempio il Bit Error Rate (BER) e/o il rapporto segnale/rumore ottico (OSNR), direttamente al ricevitore di un sistema di comunicazione ottica. L’individuazione dei guasti e delle relative cause sono effettuati attraverso metodologie basate su di Machine Learning (ML) e data analytics.
Le attuali metodologie per la rilevazione e identificazione delle cause dei guasti nei sistemi di comunicazione ottica fanno in gran parte affidamento sull’analisi e osservazione dei dati raccolti da parte di esperti di dominio. Tale approccio risulta dispendioso sia dal punto di vista economico che dal punto di vista delle tempistiche necessarie specialmente nel caso di molteplicità di guasti e di dati relativi ad essi. Nel metodo del presente brevetto, viene proposto di svolgere un monitoraggio continuo del BER (e/o l’OSNR) di un canale di comunicazione ottica direttamente al ricevitore del sistema di comunicazione, raccogliendo campioni del BER con un dato periodo di campionamento (TBER). Ogni W secondi può così essere definita una «finestra» di BER (v. figura). La finestra, quindi, è analizzata in modo automatizzato al fine di raccoglierne le feature (ad esempio, valore minimo/massimo/medio del BER all’interno della finestra) e le feature vengono fornite quindi in input al modulo di classificazione basato su Machine Learning (ML). Si noti che tale modulo ML è pre-allenato ed ottimizzato per lo specifico sistema di comunicazioni sotto esame dove, grazie ad una fase preliminare di raccolta di dati, vengono scelti gli algoritmi di ML e gli iperparametri ottimali per il successivo utilizzo del modello . Il modulo ML classifica ciascuna finestra, decidendo se essa presenti una anomalia nell’andamento del BER e, eventualmente, discriminandone la causa. Diverse finestre scorrevoli consecutive possono essere osservate e, dopo un certo numero (definito dal system manager) di «allarmi di anomalia» consecutivi, è possibile avviare procedure di riparazione del guasto, ad esempio eseguendo un riavvio del circuito ottico o una sostituzione dell’apparato individuato come causa del guasto, dopo le quali si riprende il monitoraggio del BER.