大数据背景的光纤通信流量异常辨识研究

徐学博 李 强 廖穆锋

1.中国人民解放军31401部队 吉林 白城 137000；2.中国人民解放军31401部队 吉林 梅河口 135000

引言

在我国经济高速发展的时代背景下,社会逐渐全面迈入小康社会,我国通讯行业迅猛发展,社会进入信息化的时代。在此时的时代背景下,光纤通讯技术迅猛发展,大幅提高了通讯效率和通讯质量,成为了如今得到最为运用广泛的现代通讯方式。其与传统电信通信有较多优势,因此备受人们关注。本文主要描述了我国光纤通信技术发展的现状。

1 光纤和光纤通讯技术概念

所谓光纤就是,光导纤维的一种缩写形式。光线的材料根据材料分为塑料光纤和玻璃光纤,其皆具备传播光的特性。光的全反射原理是光纤通讯中最基本的原理,光脉通过发光二极管等装置发射到光纤傍边,另一侧的光纤则通过光敏原件检测脉冲来完成信息传输。光纤是一类特殊的波导,其设计用于在低损耗下长距离传输宽光谱的光辐射,从紫外到远红外。光纤技术的发展,主要是由长途电话运营商所希望的廉价,低噪声,高可靠性的传输系统。幸运的是,许多其他领域,特别是激光血管成形术,也受益。光纤通讯,就是利用光波信息载体,使用光纤原理信息传输的现代通信技术。随着极低损耗光纤的发展及其在通信系统中的应用,在过去的40年里发生了一场革命。2001,使用玻璃纤维作为传输介质和光波作为载波,信息的速度超过1Tbit/s传输(这大约相当于约1500万同时电话传输)通过一个细如发丝的光纤。演示实验的传输在14Tbit/s的速率超过160公里长的单纤维被证明在2006,相当于1S.最近记录超过100Tbit/s传输超过165公里的单模光纤已发送140个数字高清电影。这些可以看作是极其重要的技术成果。在这一章中我们将讨论具有特殊应用的光纤通信系统光纤的传输特性也存在的一些非通信应用如传感。

2 光纤通信技术的基本特点

光纤通信技术在1966年7月由英籍华人高锟与英国人霍克曼·霍克哈姆首先提出,到1970年美国康宁玻璃工厂首次制造出光纤,1975年开始出现实用化的光纤通信。经过数十年的发展,到今天已经成为全球宽带信息的主要传输载体。光纤通信系统由光发送机、光纤、光中继器以及光接收机组成,由光发送机将电信号转变为光信号,再耦合到光纤线路中进行传输。为了防止光信号被损耗或夹杂噪音,需要在光纤线路中设置光中继器以补充损耗的幅度并对光波进行整形。光纤线路末端连接光接收机,将光信号重新转变为电信号,从而完成信息传输。光纤通信的主要优势在于光波的频率极高,使得传输频带远大于电通信和无线通信,并且损耗率低,光纤信号传输15km 后才衰减为初始幅度的一半。光纤的质量也比电缆轻得多,运输与铺设较方便。光信号的抗干扰能力强,极少发生信息丢失和失真,也容易进行保密处理。此外,光纤线路中使用的材料都是绝缘体,传输过程中不会形成电流,光波也不易发生泄漏,从而避免了不同线路之间互相干扰的问题。相对于电缆线路来说,光纤线路使用的二氧化硅材料不但价格低廉,而且污染较小,抗腐蚀性也较强,系统寿命也长,因此各方面的成本都能够大大降低。不过,光纤通信也存在一些缺点,例如光纤的切断与连接都需要通过专业工具才能完成,技术门槛较高,光纤分路与耦合器件的制造成本也比较昂贵。怎样克服这些缺点,是未来光纤技术发展的重要难题。

3 大数据背景的光纤通信流量异常辨识研究方法

基于上小节获取的光纤通信网络流量,采用小波变换对光纤通信网络流量实行去噪。将挖掘到的光纤通信网络流量数据用z(t)描述,由于外界因素的影响,光纤通信网络流量数据会遭到相应的噪声c(t)所干扰。z(t)能够表达成:

式中,有用的光纤通信网络流量用u(t)来描述；噪声程度用θ描述。基于具备噪声的光纤通信网络流量z(t),使用小波变换对其进行多尺度变换,获取不相等的小波系数。选取一个较为合适的阈值过滤最小的小波系数,获取有用的光纤通信网络流量。阈值数的选取方法是:

大数据背景的光纤通信流量的去噪流程图用图1来描述:

4 性能分析

为进一步分析本文方法的性能,采用本文方法与空时网格码方法、载荷定位与检测方法进行各方面性能对比实验。(1)鲁棒性分析。统计三种方法的鲁棒性,本文方法的鲁棒性走势始终位于空时网格码方法和载荷定位与检测方法的上方,本文方法的鲁棒性始终高于95%,其中最大值高达99.99%,最低值为99.56%；空时网格码方法的鲁棒性最大值为78.67%,最小值为73.21%；载荷定位与检测方法的鲁棒性最大值为66.56%,最小值为55.45%。通过数据对比可知,本文方法的鲁棒性最高。(2)准确率分析。分别对5种不同时间窗口进行异常流量辨识,实验次数为7次,统计三种方法对大数据背景的光纤通信流量异常辨识准确率数据,用表1描述。分析表1数据可知,在对5种不同时间窗口进行7次异常流量辨识的实验中,本文方法对大数据背景的光纤通信流量异常的辨识准确率均值为99%以上,与空时网格码方法对比后,比空时网格码方法高约16%；同理与载荷定位与检测方法比较后,比载荷定位与检测方法高约24%。说明本文方法的辨识准确率最高。

结束语

光纤通信网络目前已经成为信息传输的主要途径,对社会经济的发展起到极为重要的作用。由于以往采用空时网格编码方法辨识大数据背景的光纤通信异常流量时,大数据背景中存在各类噪声干扰,导致异常流量的辨识结果精度较低。所以,本文研究大数据背景的光纤通信流量异常辨识方法,通过大数据背景的光纤通信流量挖掘模型挖掘光纤通信流量,由于大数据环境中存在各种各样的噪声会影响辨识准确率,所以本文采用小波变换对光纤通信流量进行去噪处理,以此提升辨识准确率,最后通过相对熵辨识光纤通信流量异常。