-
公开(公告)号：CN115396882B
公开(公告)日：2024-06-21
申请号：CN202211020062.X
申请日：2022-08-24
Applicant: 烽火通信科技股份有限公司
Abstract: 本发明属于通信领域，更具体地，涉及一种实现网络告警分类模型计算的方法和装置。包括：设备对采集到的故障和/或告警构建故障标签表，根据故障层次对故障标签表进行加密，根据故障标签表将故障样本进行差分隐私随机加密后上报分布式服务器；分布式服务器通过交换参数进行分类模型的分布式计算，其中，被交换的参数采用梯度数据加密和椭圆曲线加密。本发明依据加密告警标签表和在模型训练过程中加密模型参数，不仅实现网络告警分类模型跨域分布式计算，同时还避免了计算过程中各个服务器被窃听告警数据的安全问题。
-
公开(公告)号：CN112949742A
公开(公告)日：2021-06-11
申请号：CN202110300662.0
申请日：2021-03-22
Applicant: 烽火通信科技股份有限公司
Abstract: 本发明公开了一种使用隐马尔科夫模型增强星座图数据的方法，包括：S1、采集原始数据流，并获得原始星座图数据流；S2、对原始星座图数据流进行预处理，并构建标准星座图数据库；S4、根据标准星座图数据库中的初始数据，使用隐马尔科夫模型生成隐马尔可夫三元组；S6、根据隐马尔可夫三元组集，生成星座图数据即观测序列。本发明采用构建标准化星座图数据库解决数据不互通问题，通过对标准化后的星座图数据使用隐马尔科夫模型完成星座图数据扩充。本发明还提供了相应的电子设备。
-
公开(公告)号：CN114492838A
公开(公告)日：2022-05-13
申请号：CN202210061516.1
申请日：2022-01-19
Applicant: 烽火通信科技股份有限公司
Abstract: 本发明涉及一种广域网跨数据中心分布式学习模型参数更新方法及装置。其方法部分主要包括：将模型及训练数据都拆分部署在N台worker machine上；在每台参数服务器上设置相同的参数重要性评估器，所述参数重要性评估器包括三个参数：模型收敛固定参数Tf、网络带宽门限值Tb以及参数重要性动态门限值Td；开始进行分布式机器学习模型训练。本发明通过引入参数重要性机制解决分布式机器学习训练速率的问题；通过引入参数重要性机制解决分布式机器学习对网络带宽需求过高的问题；通过使用参数重要性机制剔除不重要参数的更新，可以降低WAN间分布式机器学习对带宽的需求，可减少参数服务器的计算量。
-
公开(公告)号：CN112949742B
公开(公告)日：2022-04-08
申请号：CN202110300662.0
申请日：2021-03-22
Applicant: 烽火通信科技股份有限公司
Abstract: 本发明公开了一种使用隐马尔科夫模型增强星座图数据的方法，包括：S1、采集原始数据流，并获得原始星座图数据流；S2、对原始星座图数据流进行预处理，并构建标准星座图数据库；S4、根据标准星座图数据库中的初始数据，使用隐马尔科夫模型生成隐马尔可夫三元组；S6、根据隐马尔可夫三元组集，生成星座图数据即观测序列。本发明采用构建标准化星座图数据库解决数据不互通问题，通过对标准化后的星座图数据使用隐马尔科夫模型完成星座图数据扩充。本发明还提供了相应的电子设备。
-
公开(公告)号：CN118713741A
公开(公告)日：2024-09-27
申请号：CN202410959440.3
申请日：2024-07-17
Applicant: 武汉烽火技术服务有限公司 , 烽火通信科技股份有限公司
IPC: H04B10/071 , H04B10/07
Abstract: 本发明公开了一种OTDR同缆风险识别方法及装置，涉及光通信技术领域，OTDR同缆风险识别方法包括以下步骤：根据两根光纤的光时域反射OTDR曲线的SOR数据初步判断是否具有同缆风险；若初步判断具有同缆风险，则根据两根光纤首尾基站的地理位置信息，确定两根光纤的重合部分，以判断是否具有同缆风险；若根据地理位置信息判断具有同缆风险，则对判断是否具有同缆风险中的各个计算维度设置维度权重，以计算两根光纤的同缆相似程度。本申请融合了OTDR曲线信息与地理位置信息，通过多维度分析提升识别准确率，减少误判可能。
-
Patent Agency Ranking
公开(公告)号：CN118312918A
公开(公告)日：2024-07-09
申请号：CN202410442200.6
申请日：2024-04-12
Applicant: 烽火通信科技股份有限公司
IPC: G06F18/25 , G06F18/2433 , G06F18/15 , G06F18/213 , G06F18/22 , G06F18/231 , G06F18/23213
Abstract: 本发明涉及一种去阈值OTDR事件识别方法和装置。其方法部分主要包括：定位分割点，通过分割点将原始OTDR数据分为无噪底部分原始OTDR数据以及有噪底部分原始OTDR数据；对无噪底部分原始OTDR数据进行事件识别，定位出无噪底部分事件；对有噪底部分原始OTDR数据进行事件识别，定位出有噪底部分事件；对无噪底部分事件以及有噪底部分事件进行事件合并以及去噪，得到最终的OTDR事件识别结果。本发明解决了OTDR事件识别算法中对于阈值的依赖问题，面对不同场景的OTDR数据时不需要人工设置阈值；解决了OTDR事件识别算法中对阈值敏感的问题，针对不同场景的数据，事件识别的准确性更稳定。
-
公开(公告)号：CN118193751A
公开(公告)日：2024-06-14
申请号：CN202410317153.2
申请日：2024-03-19
Applicant: 烽火通信科技股份有限公司
Abstract: 本发明属于通信运维技术领域，更具体地，涉及一种基于知识图谱与数字孪生的光网络智能运维的方法与装置。包括：提取数字孪生网络中每个运维场景的特征序列，将提取到的特征序列组成特征数据集；将知识图谱中每个运维规则对应的图像进行编码，将编码组成规则数据集；将特征数据集作为训练集，将规则数据集作为输出数据，对深度神经网络进行训练；当发生故障时，提取该故障对应运维场景的特征序列，将特征序列输入训练后的深度神经网络中得到规则数据集中相应的编码，根据编码获取相应知识图谱中的运维规则。本发明通过构建数字孪生和知识图谱间场景快速映射关系，大幅提升了智能运维系统的反馈速率。
-
公开(公告)号：CN113452438B
公开(公告)日：2022-06-17
申请号：CN202010225966.0
申请日：2020-03-26
Applicant: 烽火通信科技股份有限公司 , 中国信息通信科技集团有限公司
IPC: H04B10/077 , H04J14/02
Abstract: 本发明公开了一种用于波分复用系统的光信噪比的监测方法及装置，涉及光通信技术领域，本发明通过在多通道的波分复用系统发射端，采用长度为设定值的随机QPSK信号生成微扰信号，在每个通道的光信号上加载微扰信号进行调制，将调制后的光信号送入光纤链路传输；在波分复用系统的任意节点处，通过一个光电探测器接收所有通道的光信号，对各通道的光信号进行微扰信号解调，恢复出每个通道上的OFDM信号，进而计算每个通道上的载噪比，根据载噪比计算出每个通道上的光信噪比，实现同时监测WDM系统中每个波长上光信号的OSNR，降低OSNR监测的成本，计算过程简单且应用范围较广。
-
公开(公告)号：CN119011348A
公开(公告)日：2024-11-22
申请号：CN202411042451.1
申请日：2024-07-31
Applicant: 武汉烽火技术服务有限公司 , 烽火通信科技股份有限公司
IPC: H04L25/06 , H04Q11/00 , G06F18/23213
Abstract: 本发明公开了一种信号聚类判决方法及系统，涉及数字信号处理技术领域，信号聚类判决方法包括以下步骤：根据信号调制格式与非线性噪声大小，调节距离计算时星座点和当前聚类中心的模差值和夹角差值的比例，以计算星座点和当前聚类中心的距离；根据星座点和当前聚类中心的距离，通过迭代计算确定最终聚类中心和每个最终聚类中心包括的星座点；基于符号判决尝试，以最小误码率对应的符号关系，作为每个最终聚类中心及包括的星座点所属的判决符号。本申请可以在线性噪声和非线性噪声都较大的星座图上进行聚类。
-
公开(公告)号：CN118870235A
公开(公告)日：2024-10-29
申请号：CN202410818205.4
申请日：2024-06-24
Applicant: 烽火通信科技股份有限公司
IPC: H04Q11/00 , G06N3/0499 , G06N3/045 , G06N3/08 , H04B10/079 , G01J1/42 , G01J1/04
Abstract: 本发明涉及通信技术领域，提供了一种哑资源建模管理方法和装置。方法包括：根据哑资源的物理参数，构建哑资源的单体视觉散射光强模型；根据所述单体视觉散射光强模型，计算得到观测空间中多个观测位置的空间观测光强；使用所述观测空间中多个观测位置的空间观测光强对第一神经网络模型进行训练，得到用于管理哑资源的空间视觉光强模型。本发明通过对哑资源进行视觉上的建模，从而便于用户直观观察到各哑资源，使哑资源，如光纤光缆的仿真更加具象化、可视化，有利于进行哑资源的管理。并且，隐藏了后端的单体视觉散射光强模型，实现黑盒的效果，对单体视觉散射光强模型起到保护作用。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.038 seconds)
