第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 光纤通信实时性能监控与数据采集
1.2.2 光纤传输系统建模方法研究现状
1.2.3 光纤传输系统损伤补偿算法研究现状
1.2.4 光纤传输系统自动控制技术研究现状
1.3 本书内容和结构安排
参考文献
第2章 数字孪生光网络框架
2.1 数字孪生技术简介
2.2 数字孪生光网络闭环架构
参考文献
第3章 实时泛在感知
3.1 引言
3.2 基于图像识别的智能化光性能监测
3.2.1 基于机器学习的多功能单波长光谱分析与研究
3.2.2 基于目标检测的多波长弹性光谱分析技术
3.2.3 基于深度学习的星座图物理损伤程度诊断模型
3.2.4 基于ADTP和CNN的光信噪比监测仿真系统
3.3 基于DSP的光传输功率预估技术
3.3.1 PPE的主要应用背景
3.3.2 PPE的两种实现方法、常见配置与本质原理
3.3.3 PPE的CM算法
3.3.4 PPE的MMSE算法
3.4 基于物理信息神经网络的系统参数识别
3.5 基于导频标签的光学性能监测技术
参考文献
第4章 快速可靠光纤信道模型
4.1 引言
4.2 光纤信道传输方程与数值方法
4.3 基于数据驱动的光纤信道模型
4.3.1 以BiLSTM神经网络为代表的基础神经网络
4.3.2 以DeepONet为代表的新型网络结构
4.4 物理信息深度学习建模
4.4.1 PINN
4.4.2 物理信息DeepONet
4.4.3 基于PINN的数据与物理混合驱动建模
参考文献
第5章 精准放大器模型
5.1 引言
5.2 EDFA
5.2.1 传统解析及数值方法
5.2.2 数据驱动神经网络
5.2.3 PINN建模与参数识别
5.3 拉曼放大器
5.3.1 传统数值方法
5.3.2 数据驱动方法
5.4 光收发机建模
5.5 波长选择开关建模
5.5.1 滤波器级联故障效应
5.5.2 中心频率偏移效应
参考文献
第6章 光传输质量建模
6.1 引言
6.2 光纤信道频域单波功率模型
6.2.1 传统数值方法
6.2.2 数据驱动方法
6.2.3 基于PINN的宽波段单波功率建模
6.3 QoT性能建模
6.3.1 高斯噪声模型
6.3.2 基于神经网络的数据驱动模型
6.3.3 网络级建模
参考文献
第7章 智能化多维管控
7.1 引言
7.2 光放大器配置
7.3 单波功率优化
7.3.1 基于自编码器的GSNR优化模型
7.3.2 动态网络中GSNR优化模型验证
7.4 升级与割接操作
7.4.1 光网络升级
7.4.2 数字孪生辅助的网络割接
7.4.3 割接和冲突检测预演
参考文献
第8章 数字孪生光网络的现网验证
8.1 引言
8.2 数字孪生现网部署挑战分析
8.2.1 不准确的参数识别
8.2.2 不理想的设备建模
8.2.3 不稳定的状态更新
8.3 数字孪生光网络现网部署流程
8.4 数字孪生光网络现网结果
8.4.1 现网中的C+L波段链路
8.4.2 现网中数字孪生光网络的部署
8.4.3 现网中使用数字孪生光网络进行试验链路优化
参考文献
第9章 数字孪生光网络的智能化发展
9.1 引言
9.2 自然大语言模型与数字孪生光网络管控
9.2.1 LLM与自动光网络管控
9.2.2 基于LLM的光纤通信系统智能研究助手
9.2.3 LLM与数字孪生在自动光网络管控中的协同作用
9.3 区块链安全相关技术
9.3.1 区块链技术
9.3.2 数字孪生光网络的安全挑战
9.3.3 基于区块链的数字孪生光网络架构
9.3.4 基于区块链的数字孪生光网络部署方案
9.3.5 基于区块链的数字孪生光网络解决方案
9.3.6 方案实现
参考文献
展开
