知財求人 - 知財ポータルサイト「IP Force」
特開2024-18655光信号状態推定装置、光信号状態推定方法、およびプログラム
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024018655
(43)【公開日】2024-02-08
(54)【発明の名称】光信号状態推定装置、光信号状態推定方法、およびプログラム
(51)【国際特許分類】
H04B 10/075 20130101AFI20240201BHJP
G06N 20/00 20190101ALI20240201BHJP
【ＦＩ】
H04B10/075
G06N20/00
【審査請求】未請求
【請求項の数】8
【出願形態】ＯＬ
(21)【出願番号】P 2022122109
(22)【出願日】2022-07-29
(71)【出願人】
【識別番号】000004237
【氏名又は名称】日本電気株式会社
(74)【代理人】
【識別番号】110000338
【氏名又は名称】弁理士法人 ＨＡＲＡＫＥＮＺＯ ＷＯＲＬＤ ＰＡＴＥＮＴ ＆ ＴＲＡＤＥＭＡＲＫ
(72)【発明者】
【氏名】児玉 純
(72)【発明者】
【氏名】榮 純明
(72)【発明者】
【氏名】小林 佑嗣
(72)【発明者】
【氏名】市原 悦子
(72)【発明者】
【氏名】西岡 淳
(72)【発明者】
【氏名】小梨 貴史
(72)【発明者】
【氏名】多賀戸 裕樹
【テーマコード（参考）】
5K102
【Ｆターム（参考）】
5K102AD15
5K102AH14
5K102AH26
5K102AH27
5K102LA02
5K102LA11
5K102LA52
5K102MH03
5K102MH14
5K102MH17
5K102PH22
5K102PH31
5K102RD26
5K102RD28
(57)【要約】
【課題】高い精度で光信号の信号状態を推定する。
【解決手段】光信号状態推定装置（１）は、光信号のコンスタレーションを取得する取得部（１１）と、コンスタレーションが、同相成分方向および直交成分方向をそれぞれ特定数に分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを生成する生成部（１２）と、学習済モデルに時系列データを入力することにより光信号の状態を推定する推定部（１３）と、を備える。
【選択図】図１
【解決手段】光信号状態推定装置（１）は、光信号のコンスタレーションを取得する取得部（１１）と、コンスタレーションが、同相成分方向および直交成分方向をそれぞれ特定数に分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを生成する生成部（１２）と、学習済モデルに時系列データを入力することにより光信号の状態を推定する推定部（１３）と、を備える。
【選択図】図１
【特許請求の範囲】
【請求項1】
光ファイバ中を伝送される光信号の状態を推定する光信号状態推定装置であって、
前記光信号のコンスタレーションを取得する取得部と、
所定時間内に取得した前記コンスタレーションが、同相成分方向および直交成分方向をそれぞれ特定数に分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを生成する生成部と、
既知の状態の光信号のコンスタレーションから生成された前記時系列データを用いて学習された学習済モデルに、推定対象の光信号のコンスタレーションから生成された前記時系列データを入力することにより、前記推定対象の光信号の状態を推定する推定部と、
を備える光信号状態推定装置。
前記光信号のコンスタレーションを取得する取得部と、
所定時間内に取得した前記コンスタレーションが、同相成分方向および直交成分方向をそれぞれ特定数に分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを生成する生成部と、
既知の状態の光信号のコンスタレーションから生成された前記時系列データを用いて学習された学習済モデルに、推定対象の光信号のコンスタレーションから生成された前記時系列データを入力することにより、前記推定対象の光信号の状態を推定する推定部と、
を備える光信号状態推定装置。
【請求項2】
前記特定数は、前記光信号の変調方式に応じた数である、
請求項１に記載の光信号状態推定装置。
請求項１に記載の光信号状態推定装置。
【請求項3】
前記光信号の変調方式は、１６ＱＡＭ変調方式であり、
前記特定数は、１０である、
請求項１に記載の光信号状態推定装置。
前記特定数は、１０である、
請求項１に記載の光信号状態推定装置。
【請求項4】
前記光信号の変調方式は、２Ａ８ＰＳＫ変調方式であり、
前記特定数は、１０である、
請求項１に記載の光信号状態推定装置。
前記特定数は、１０である、
請求項１に記載の光信号状態推定装置。
【請求項5】
前記光信号の状態は、前記光信号のノイズ比である、
請求項１に記載の光信号状態推定装置。
請求項１に記載の光信号状態推定装置。
【請求項6】
請求項１～５のいずれか一項に記載の光信号状態推定装置を備えた、
光信号多重化装置。
光信号多重化装置。
【請求項7】
光ファイバ中を伝送される光信号の状態を推定する光信号状態推定装置が、
前記光信号のコンスタレーションを取得することと、
所定時間内に取得した前記コンスタレーションが、同相成分方向および直交成分方向をそれぞれ特定数に分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを生成することと、
既知の状態の光信号のコンスタレーションから生成された前記時系列データを用いて学習された学習済モデルに、推定対象の光信号のコンスタレーションから生成された前記時系列データを入力することにより、前記光信号の状態を推定することと、
を含む光信号状態推定方法。
前記光信号のコンスタレーションを取得することと、
所定時間内に取得した前記コンスタレーションが、同相成分方向および直交成分方向をそれぞれ特定数に分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを生成することと、
既知の状態の光信号のコンスタレーションから生成された前記時系列データを用いて学習された学習済モデルに、推定対象の光信号のコンスタレーションから生成された前記時系列データを入力することにより、前記光信号の状態を推定することと、
を含む光信号状態推定方法。
【請求項8】
光ファイバ中を伝送される光信号の状態を推定する光信号状態推定装置の光信号状態推定方法をコンピュータに実行させるプログラムであって、
前記コンピュータに、
前記光信号のコンスタレーションを取得する処理と、
所定時間内に取得した前記コンスタレーションが、同相成分方向および直交成分方向をそれぞれ特定数に分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを生成する処理と、
既知の状態の光信号のコンスタレーションから生成された前記時系列データを用いて学習された学習済モデルに、推定対象の光信号のコンスタレーションから生成された前記時系列データを入力することにより、前記光信号の状態を推定する処理と、
を実行させるプログラム。
前記コンピュータに、
前記光信号のコンスタレーションを取得する処理と、
所定時間内に取得した前記コンスタレーションが、同相成分方向および直交成分方向をそれぞれ特定数に分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを生成する処理と、
既知の状態の光信号のコンスタレーションから生成された前記時系列データを用いて学習された学習済モデルに、推定対象の光信号のコンスタレーションから生成された前記時系列データを入力することにより、前記光信号の状態を推定する処理と、
を実行させるプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、光信号状態推定装置、光信号状態推定方法、およびプログラムに関する。
【背景技術】
【0002】
光ファイバ中を伝送される光信号の振幅や位相に基づいて、当該光信号の状態を把握する技術が知られている。
【0003】
特許文献１には、光信号内に含まれるシンボル情報を特定する信号点を分類する複数のシンボル領域を複数の分割領域に分割し、当該分割領域毎の信号点の集計数に基づき、光信号の位相雑音を算出する光信号処理装置が開示されている。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２０１４－２３６５０３号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
特許文献１に記載の光信号処理装置では、時間の経過による信号点の変化は考慮されていないため、光信号の状態を精度高く把握することが困難であるという問題がある。
【0006】
本発明の一態様は、上記の問題に鑑みてなされたものであり、その目的の一例は、高い精度で光信号の信号状態を推定する技術を提供することである。
【課題を解決するための手段】
【0007】
本発明の一態様に係る光信号状態推定装置は、光ファイバ中を伝送される光信号の状態を推定する光信号状態推定装置であって、前記光信号のコンスタレーションを取得する取得部と、所定時間内に取得した前記コンスタレーションが、同相成分方向および直交成分方向をそれぞれ特定数に分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを生成する生成部と、既知の状態の光信号のコンスタレーションから生成された前記時系列データを用いて学習された学習済モデルに、推定対象の光信号のコンスタレーションから生成された前記時系列データを入力することにより、前記推定対象の光信号の状態を推定する推定部と、を備える。
【0008】
本発明の一態様に係る光信号状態推定方法は、光ファイバ中を伝送される光信号の状態を推定する光信号状態推定装置が、前記光信号のコンスタレーションを取得することと、所定時間内に取得した前記コンスタレーションが、同相成分方向および直交成分方向をそれぞれ特定数に分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを生成することと、既知の状態の光信号のコンスタレーションから生成された前記時系列データを用いて学習された学習済モデルに、推定対象の光信号のコンスタレーションから生成された前記時系列データを入力することにより、前記光信号の状態を推定することと、を含む。
【0009】
本発明の一態様に係るプログラムは、光ファイバ中を伝送される光信号の状態を推定する光信号状態推定装置の光信号状態推定方法をコンピュータに実行させるプログラムであって、前記コンピュータに、前記光信号のコンスタレーションを取得する処理と、所定時間内に取得した前記コンスタレーションが、同相成分方向および直交成分方向をそれぞれ特定数に分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを生成する処理と、既知の状態の光信号のコンスタレーションから生成された前記時系列データを用いて学習された学習済モデルに、推定対象の光信号のコンスタレーションから生成された前記時系列データを入力することにより、前記光信号の状態を推定する処理と、を実行させる。
【発明の効果】
【0010】
本発明の一態様によれば、高い精度で光信号の信号状態を推定することができる。
【図面の簡単な説明】
【0011】
【図1】本発明の実施形態１に係る光信号状態推定装置の構成例を示すブロック図である。
【図2】本発明の実施形態１に係る光信号状態推定方法の流れを示すフロー図である。
【図3】本発明の実施形態２に係る光信号多重化装置の構成例を示すブロック図である。
【図4】本発明の実施形態２に係る前処理部が実行する処理の一例を示す図である。
【図5】各実施例におけるグリッド数と正答数との関係を示すグラフである。
【図6】各例示的実施形態に係る光信号状態推定装置として機能するコンピュータの構成を示すブロック図である。
【発明を実施するための形態】
【0012】
〔例示的実施形態１〕
本発明の第１の例示的実施形態について、図面を参照して詳細に説明する。本例示的実施形態は、後述する例示的実施形態の基本となる形態である。なお、この概要に付記した図面参照符号は、理解を助けるための一例として各要素に便宜上付記したものであり、本発明を図示の態様に限定することを意図するものではない。また、以降の説明で参照する図面等のブロック間の接続線は、双方向及び単方向の双方を含む。一方向矢印については、主たる信号（データ）の流れを模式的に示すものであり、双方向性を排除するものではない。また、図中の各ブロックの入出力の接続点には、ポート乃至インタフェースを備える構成としてもよいが、これらの構成については図示を省略する。
本発明の第１の例示的実施形態について、図面を参照して詳細に説明する。本例示的実施形態は、後述する例示的実施形態の基本となる形態である。なお、この概要に付記した図面参照符号は、理解を助けるための一例として各要素に便宜上付記したものであり、本発明を図示の態様に限定することを意図するものではない。また、以降の説明で参照する図面等のブロック間の接続線は、双方向及び単方向の双方を含む。一方向矢印については、主たる信号（データ）の流れを模式的に示すものであり、双方向性を排除するものではない。また、図中の各ブロックの入出力の接続点には、ポート乃至インタフェースを備える構成としてもよいが、これらの構成については図示を省略する。
【0013】
【0014】
本例示的実施形態に係る光信号状態推定装置１は、光ファイバ中を伝送される光信号の状態を推定する装置である。光信号状態推定装置１は、図１に示すように、取得部１１、生成部１２、および推定部１３を備えている。
【0015】
取得部１１は、光信号のコンスタレーションを取得する。取得部１１は、取得したコンスタレーションを、生成部１２に供給する。
【0016】
コンスタレーションは、ＱＰＳＫ、１６ＱＡＭ等のデジタル直交変調方式における同相成分方向のチャネル（Ｉチャネル）と直交成分方向のチャネル（Ｑチャネル）の位相及び振幅の組合せを示す信号点の配置を定めたものである。
【0017】
生成部１２は、所定時間内に取得したコンスタレーションが、同相成分方向および直交成分方向をそれぞれ特定数に分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを生成する。生成部１２は、生成した時系列データを推定部１３に供給する。
【0018】
推定部１３は、既知の状態の光信号のコンスタレーションから生成された時系列データを用いて学習された学習済モデルに、推定対象の光信号のコンスタレーションから生成された時系列データを入力することにより、推定対象の光信号の状態を推定する。既知の状態の一例として、光信号のノイズ比（ＳＮ比）、クロストーク、帯域狭窄等が挙げられる。
【0019】
学習済モデルは、一例として、ニューラルネットワークにディープラーニング（深層学習）を行わせて生成された学習済モデルである。ここで、ニューラルネットワークの一例として、再帰型ニューラルネットワークＲＮＮ（Recurrent Neural Network）が挙げられる。
【0020】
以上のように、本例示的実施形態に係る光信号状態推定装置１においては、光信号のコンスタレーションを取得する取得部１１と、所定時間内に取得したコンスタレーションが、同相成分方向および直交成分方向をそれぞれ特定数に分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを生成する生成部１２と、既知の状態の光信号のコンスタレーションから生成された時系列データを用いて学習された学習済モデルに、推定対象の光信号のコンスタレーションから生成された時系列データを入力することにより、推定対象の光信号の状態を推定する推定部１３と、を備える構成が採用されている。
【0021】
このように、本例示的実施形態に係る光信号状態推定装置１によれば、既知の状態の光信号のコンスタレーションから生成された時系列データを用いて学習された学習済モデルに、推定対象の光信号のコンスタレーションから生成された時系列データを入力する。このため、本例示的実施形態に係る光信号状態推定装置１によれば、時間の経過によるコンスタレーションの変化を考慮した上で光信号の状態を推定するので、高い精度で光信号の信号状態を推定することができる。
【0022】
また、本例示的実施形態に係る光信号状態推定装置１によれば、光信号のコンスタレーションをそのまま用いるのではなく、同相成分方向および直交成分方向をそれぞれ特定数に分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを用いる。このため、本例示的実施形態に係る光信号状態推定装置１によれば、コンスタレーションのグリッドパターンを考慮して光信号の状態を推定するので、高い精度で光信号の信号状態を推定することができる。
【0023】
【0024】
（ステップＳ１１）
ステップＳ１１において、取得部１１は、光信号のコンスタレーションを取得する。取得部１１は、取得したコンスタレーションを、生成部１２に供給する。
ステップＳ１１において、取得部１１は、光信号のコンスタレーションを取得する。取得部１１は、取得したコンスタレーションを、生成部１２に供給する。
【0025】
（ステップＳ１２）
ステップＳ１２において、生成部１２は、所定時間内に取得したコンスタレーションが、同相成分方向および直交成分方向をそれぞれ特定数に分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを生成する。生成部１２は、生成した時系列データを推定部１３に供給する。
ステップＳ１２において、生成部１２は、所定時間内に取得したコンスタレーションが、同相成分方向および直交成分方向をそれぞれ特定数に分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを生成する。生成部１２は、生成した時系列データを推定部１３に供給する。
【0026】
（ステップＳ１３）
ステップＳ１３において、推定部１３は、既知の状態の光信号のコンスタレーションから生成された時系列データを用いて学習された学習済モデルに、推定対象の光信号のコンスタレーションから生成された時系列データを入力することにより、推定対象の光信号の状態を推定する。
ステップＳ１３において、推定部１３は、既知の状態の光信号のコンスタレーションから生成された時系列データを用いて学習された学習済モデルに、推定対象の光信号のコンスタレーションから生成された時系列データを入力することにより、推定対象の光信号の状態を推定する。
【0027】
以上のように、本例示的実施形態に係る光信号状態推定方法Ｓ１においては、取得部１１が光信号のコンスタレーションを取得することと、生成部１２が、所定時間内に取得したコンスタレーションが、同相成分方向および直交成分方向をそれぞれ特定数に分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを生成することと、推定部１３が、既知の状態の光信号のコンスタレーションから生成された時系列データを用いて学習された学習済モデルに、推定対象の光信号のコンスタレーションから生成された時系列データを入力することにより、推定対象の光信号の状態を推定することと、を含む構成が採用されている。このため、本例示的実施形態に係る光信号状態推定方法Ｓ１によれば、上述した光信号状態推定装置１と同様の効果が得られる。
【0028】
〔例示的実施形態２〕
本発明の第２の例示的実施形態について、図面を参照して詳細に説明する。なお、例示的実施形態１にて説明した構成要素と同じ機能を有する構成要素については、同じ符号を付し、その説明を適宜省略する。
本発明の第２の例示的実施形態について、図面を参照して詳細に説明する。なお、例示的実施形態１にて説明した構成要素と同じ機能を有する構成要素については、同じ符号を付し、その説明を適宜省略する。
【0029】
【0030】
本例示的実施形態に係る光信号多重化装置１００は、図３に示すように、ＰＢＳ３１－１および３１－２と、９０度ハイブリッド３２－１および３２－２と、光検出部３３－１および３３－２と、ＡＤＣ（Analog Digital Converter）３４－１および３４－２と、ＤＳＰ（Digital Signal Processor）３５と、を含んで構成されている。また、本例示的実施形態に係る光信号多重化装置１００は、図３に示すように、光信号状態推定装置４０を備えた光信号多重化装置である。なお、図３には、光信号の送信部分の構成は記載していないが、送信部分は一般的な構成で実現可能である。
【0031】
光信号多重化装置１００は、通信路から入力された複数の光信号を多重化する装置である。光信号の変調方式は特に限定されないが、一例として、１６ＱＡＭ変調方式、２Ａ８ＰＳＫ変調方式が挙げられる。
【0032】
ＰＢＳ（Polarizing Beam Splitter）３１－１は、通信路から入力された光信号Ｓ（ｔ）を偏波分離し、Ｘ偏波を９０度ハイブリッド３２－１に出力し、Ｙ偏波を９０度ハイブリッド３２－２に出力する。また、ＰＢＳ３１－２は、局所光を偏波分離し、Ｘ偏波を９０度ハイブリッド３２－１に出力し、Ｙ偏波を９０度ハイブリッド３２－２に出力する。
【0033】
９０度ハイブリッド３２－１は、ＰＢＳ３１－１から入力される光信号のＸ偏波成分と、ＰＢＳ３１－２から入力される局所光のＸ偏波成分とを位相が互いに９０度異なる２つの経路で合波する。９０度ハイブリッド３２－１は、光信号と局所光とを位相が９０度異なる経路で合波することで生成したＩ相（In-phase）成分の信号と、Ｑ相（Quadrature）成分の信号とを光検出部３３－１に出力する。
【0034】
９０度ハイブリッド３２－２は、ＰＢＳ３１－１から入力される光信号のＹ偏波成分と、ＰＢＳ３１－２から入力される局所光のＹ偏波成分とを位相が互いに９０度異なる２つの経路で合波する。９０度ハイブリッド３２－２は、光信号と局所光とを位相が９０度異なる経路で合波することで生成したＩ相成分の信号と、Ｑ相成分の信号とを光検出部３３－２に出力する。
【0035】
光検出部３３－１および３３－２は、フォトダイオードを用いて構成されており、入力された光信号を電気信号に変換して出力する。光検出部３３－１は、９０度ハイブリッド３２－１から入力されるＸ偏波のＩ相成分の光信号と、Ｑ相成分の光信号とをそれぞれ電気信号に変換してＡＤＣ３４－１に出力する。また、光検出部３３－２は、９０度ハイブリッド３２－２から入力されるＹ偏波のＩ相成分の光信号と、Ｑ相成分の光信号とをそれぞれ電気信号に変換してＡＤＣ３４－２に出力する。
【0036】
ＡＤＣ３４－１は、光検出部３３－１から入力されるアナログ信号をデジタル信号に変換し、Ｘ偏波のＩチャネルＩｘ’、Ｘ偏波のＱチャネルＱｘ’としてＤＳＰ３５に出力する。また、ＡＤＣ３４－２は、光検出部３３－２から入力されるアナログ信号をデジタル信号に変換し、Ｙ偏波のＩチャネルＩｙ’、Ｙ偏波のＱチャネルＱｙ’としてＤＳＰ３５に出力する。
【0037】
ＤＳＰ３５は、入力された信号の歪み補正、復号および誤り訂正等の受信処理を行ってＡＤＣ３４－１および３４－２から入力される電気信号を復調し、Ｘ偏波のＩチャネルＩｘ、Ｘ偏波のＱチャネルＱｘ、Ｙ偏波のＩチャネルＩｙ、Ｙ偏波のＱチャネルＱｙとして出力する。
【0038】
光信号状態推定装置４０は、取得部４１と、前処理部４２と、生成部４３と、推定部４４と、学習部４５と、データベース４６とを含む。前処理部４２および生成部４３は、本例示的実施形態において推定部を実現する構成である。光信号状態推定装置４０に含まれる各部が実行する処理の一例については、後述する。
【0039】
取得部４１は、光信号のコンスタレーションを取得する。具体的には、取得部４１は、ＡＤＣ３４－１および３４－２から出力されるＸ偏波のＩチャネルＩｘ’、Ｘ偏波のＱチャネルＱｘ’、Ｙ偏波のＩチャネルＩｙ’、およびＹ偏波のＱチャネルＱｙ’を取得する。
【0040】
なお、取得部４１は、ＤＳＰ３５から出力される復調後のＸ偏波のＩチャネルＩｘ、Ｘ偏波のＱチャネルＱｘ、Ｙ偏波のＩチャネルＩｙ、およびＹ偏波のＱチャネルＱｙを取得するようにしてもよい。
【0041】
前処理部４２は、取得部４１によって取得されたＸ偏波のＩチャネルＩｘ’、Ｘ偏波のＱチャネルＱｘ’、Ｙ偏波のＩチャネルＩｙ’、およびＹ偏波のＱチャネルＱｙ’に前処理を行って、処理結果を生成部４３へ出力する。
【0042】
生成部４３は、前処理部４２から出力された処理結果に基づき、時系列データを生成する。
【0043】
推定部４４は、既知の状態の光信号のコンスタレーションから生成された時系列データを用いて学習された学習済モデルに、推定対象の光信号のコンスタレーションから生成された時系列データを入力することにより、推定対象の光信号の状態を推定する。
【0044】
学習部４５は、後述するデータベース４６に格納されている、既知の状態の光信号のコンスタレーションから生成された時系列データを用いて、推定部４４が用いる学習済モデルを学習させる。一例として、学習部４５は、所定時間における光信号のノイズ比と、当該光信号のコンスタレーションとの複数の組を教師データとして、学習済モデルを学習させる。
【0045】
データベース４６は、フラッシュメモリ等の不揮発性メモリや、ハードディスク等によって構成されている。データベース４６には、学習部４５によって参照される、既知の状態の光信号のコンスタレーションから生成された時系列データが格納される。また、データベース４６には、既知の状態と、コンスタレーションの特徴量とが対応付けて格納される。ここで、データベース４６に格納されている、既知の状態に対応付けられたコンスタレーションの特徴量とは、コンスタレーションを上述した学習済モデルに入力し、学習済モデルから出力された特徴量である。
【0046】
（光信号状態推定装置４０が実行する処理の例）
光信号状態推定装置４０が実行する処理の一例について説明する。
光信号状態推定装置４０が実行する処理の一例について説明する。
【0047】
まず、取得部４１は、ＡＤＣ３４－１および３４－２から出力されるＸ偏波のＩチャネルＩｘ’、Ｘ偏波のＱチャネルＱｘ’、Ｙ偏波のＩチャネルＩｙ’、およびＹ偏波のＱチャネルＱｙ’を取得する。
【0048】
【0049】
前処理部４２は、所定時間内に取得部４１が取得したＸ偏波のＩチャネルＩｘ’、Ｘ偏波のＱチャネルＱｘ’、Ｙ偏波のＩチャネルＩｙ’、およびＹ偏波のＱチャネルＱｙ’を取得する。一例として、図４の左端に示すように、前処理部４２は、所定時間内に取得部４１が取得したＸ偏波のＩチャネルＩｘ’、Ｘ偏波のＱチャネルＱｘ’、Ｙ偏波のＩチャネルＩｙ’、およびＹ偏波のＱチャネルＱｙ’を、それぞれＸ１、Ｙ１、Ｘ２、Ｙ２として取得する。
【0050】
ここで、所定時間は特に限定されず、例えば、１０秒、２０秒であってもよい。また、図４の左端では、８１９２点または１１８０点の二次元座標データ（１秒／１シート）が取得されているため、８１９２点または１１８０点の二次元座標データを取得するための時間が所定時間として設定されてもよい。
【0051】
次に、前処理部４２は、図４の中央に示すように、Ｘ１、Ｙ１、Ｘ２、Ｙ２を複素平面上に描画する。そして、前処理部４２は、複素平面を特定数（ｍ行×ｎ列）に分割した各グリッドに含まれる数を集計する。特定数ｍおよび特定数ｎは特に限定されないが、図４の中央に示す図では、特定数は１０である。換言すると、図４の中央に示す図では、複素平面を１０行×１０列に分割している。
【0052】
また、特定数は、光信号の変調方式に応じた数であってもよい。
一例として、前処理部４２は、光信号の変調方式が１６ＱＡＭ変調方式である場合、特定数１０で分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを生成してもよい。
一例として、前処理部４２は、光信号の変調方式が１６ＱＡＭ変調方式である場合、特定数１０で分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを生成してもよい。
【0053】
他の例として、前処理部４２は、光信号の変調方式が２Ａ８ＰＳＫ変調方式である場合、特定数１０で分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを生成してもよい。
【0054】
当該構成により、光信号状態推定装置４０は、変調方式に応じて光信号の信号状態を推定することができる。
【0055】
さらに、前処理部４２は、後述する学習済モデルを学習させた既知の状態に応じた数に分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べて生成する構成であってもよい。一例として、学習済モデルを学習させた既知の状態がクロストークまたは帯域狭窄の場合は、特定数１０以外（例えば、８、１６など）で分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを生成してもよい。
【0056】
続いて、生成部４３は、ｍ行×ｎ列のグリッドそれぞれに含まれる信号点数を計測し、ｍ×ｎ個のデータを作成する。すなわち、生成部４３は、ｍ×ｎ個の時系列データを生成する。
【0057】
図４の中央に示す図では、上述したように複素平面を１０行×１０列に分割しているので、前処理部４２は、１０×１０個の時系列データを作成する。なお、図４においては、前処理部４２が、ＡＤＣ３４－１から出力されるＸ偏波のＩチャネルＩｘ’、Ｘ偏波のＱチャネルＱｘ’に対して前処理を行ったデータと、ＡＤＣ３４－２から出力されるＹ偏波のＩチャネルＩｙ’、およびＹ偏波のＱチャネルＱｙ’に対して前処理を行ったデータとの、２ファイルを作成する場合を示している。
【0058】
生成部４３がｍ×ｎ個の時系列データを生成すると、推定部４４は、当該ｍ×ｎ個の時系列データを学習済モデルに入力する。学習済モデルについては、上述した通りである。そして、推定部４４は、学習済モデルの出力に基づき、光信号の信号状態を推定する。
【0059】
一例として、推定部４４は、学習済モデルから推定対象の光信号のコンスタレーションから生成された時系列データの特徴量を取得する。そして、推定部４４は、データベース４６を参照し、取得した特徴量と近似している特徴量がデータベース４６に格納されている場合、データベース４６において当該特徴量に対応付けられた既知の状態を、光信号の信号状態であると推定する。
【0060】
このように、推定部４４は、推定対象の光信号のコンスタレーションから生成された時系列データの特徴量と近似している特徴量の時系列データが過去にあったか否かに応じて、光信号の信号状態を推定する。このため、推定部４４は、時間の経過によるコンスタレーションの変化を考慮した上で光信号の状態を推定するので、高い精度で光信号の信号状態を推定することができる。
【0061】
また、一例として、推定部４４は、推定対象の光信号のコンスタレーションから生成された時系列データを所定の間隔で学習済モデルに入力してもよい。例えば、１０秒間に取得されたコンスタレーションに基づいて、推定対象の光信号のコンスタレーションから生成された時系列データが生成され、９：００：００から１秒間隔で当該時系列データを学習済モデルに入力する場合を例に挙げて説明する。
【0062】
推定部４４はまず、９：００：００～９：００：１０の１０秒間に取得された推定対象の光信号のコンスタレーションに基づいて生成された時系列データを学習済モデルに入力し、光信号の状態を推定する。次に、推定部４４は、１秒後の９：００：０１～９：００：１１の１０秒間に取得された推定対象の光信号のコンスタレーションに基づいて生成された時系列データを学習済モデルに入力し、光信号の状態を推定する。
【0063】
このように、本例示的実施形態に係る光信号多重化装置１００によれば、光信号のコンスタレーションを取得する取得部４１と、所定時間内に取得したコンスタレーションが、同相成分方向および直交成分方向をそれぞれ特定数に分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを生成する前処理部４２および生成部４３と、既知の状態の光信号のコンスタレーションから生成された時系列データを用いて学習された学習済モデルに、推定対象の光信号のコンスタレーションから生成された時系列データを入力することにより、推定対象の光信号の状態を推定する推定部４４と、を備える構成が採用されている。したがって、本例示的実施形態に係る光信号多重化装置１００によれば、高い精度で光信号の信号状態を推定することができる。
【0064】
【0065】
図５の上側は、以下の条件においてグリッド数毎に正答率を算出したグラフである。また、実線は直交座標を用いた場合の結果を示し、点線は極座標を用いた場合の結果を示している。
・推定する光信号の状態：１０ｄｂ～３５ｄｂのノイズ比
・光信号の変調方式：２Ａ８ＰＳＫ変調方式
図５の上側に示すように、直交座標を用いた場合も、極座標を用いた場合も、１０ｘ１０に分割した場合の正答率が最も高くなった。
・推定する光信号の状態：１０ｄｂ～３５ｄｂのノイズ比
・光信号の変調方式：２Ａ８ＰＳＫ変調方式
図５の上側に示すように、直交座標を用いた場合も、極座標を用いた場合も、１０ｘ１０に分割した場合の正答率が最も高くなった。
【0066】
（実施例２）
本発明の他の実施例について、図５の下側を参照して以下に説明する。
本発明の他の実施例について、図５の下側を参照して以下に説明する。
【0067】
図５の下側は、以下の条件においてグリッド数毎に正答率を算出したグラフである。また、実線は直交座標を用いた場合の結果を示し、点線は極座標を用いた場合の結果を示している。
・推定する光信号の状態：２０ｄｂ～３５ｄｂのノイズ比
・光信号の変調方式：２Ａ８ＰＳＫ変調方式
図５の下側に示すように、直交座標を用いた場合も、極座標を用いた場合も、１０ｘ１０に分割した場合の正答率が最も高くなった。
・推定する光信号の状態：２０ｄｂ～３５ｄｂのノイズ比
・光信号の変調方式：２Ａ８ＰＳＫ変調方式
図５の下側に示すように、直交座標を用いた場合も、極座標を用いた場合も、１０ｘ１０に分割した場合の正答率が最も高くなった。
【0068】
〔ソフトウェアによる実現例〕
光信号状態推定装置１、４０の一部又は全部の機能は、集積回路（ＩＣチップ）等のハードウェアによって実現してもよいし、ソフトウェアによって実現してもよい。
光信号状態推定装置１、４０の一部又は全部の機能は、集積回路（ＩＣチップ）等のハードウェアによって実現してもよいし、ソフトウェアによって実現してもよい。
【0069】
後者の場合、光信号状態推定装置１、４０は、例えば、各機能を実現するソフトウェアであるプログラムの命令を実行するコンピュータによって実現される。このようなコンピュータの一例（以下、コンピュータＣと記載する）を図６に示す。コンピュータＣは、少なくとも１つのプロセッサＣ１と、少なくとも１つのメモリＣ２と、を備えている。メモリＣ２には、コンピュータＣを光信号状態推定装置１、４０として動作させるためのプログラムＰが記録されている。コンピュータＣにおいて、プロセッサＣ１は、プログラムＰをメモリＣ２から読み取って実行することにより、光信号状態推定装置１、４０の各機能が実現される。
【0070】
プロセッサＣ１としては、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphic Processing Unit）、ＤＳＰ（Digital Signal Processor）、ＭＰＵ（Micro Processing Unit）、ＦＰＵ（Floating point number Processing Unit）、ＰＰＵ（Physics Processing Unit）、マイクロコントローラ、又は、これらの組み合わせなどを用いることができる。メモリＣ２としては、例えば、フラッシュメモリ、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、又は、これらの組み合わせなどを用いることができる。
【0071】
なお、コンピュータＣは、プログラムＰを実行時に展開したり、各種データを一時的に記憶したりするためのＲＡＭ（Random Access Memory）を更に備えていてもよい。また、コンピュータＣは、他の装置との間でデータを送受信するための通信インタフェースを更に備えていてもよい。また、コンピュータＣは、キーボードやマウス、ディスプレイやプリンタなどの入出力機器を接続するための入出力インタフェースを更に備えていてもよい。
【0072】
また、プログラムＰは、コンピュータＣが読み取り可能な、一時的でない有形の記録媒体Ｍに記録することができる。このような記録媒体Ｍとしては、例えば、テープ、ディスク、カード、半導体メモリ、又はプログラマブルな論理回路などを用いることができる。コンピュータＣは、このような記録媒体Ｍを介してプログラムＰを取得することができる。また、プログラムＰは、伝送媒体を介して伝送することができる。このような伝送媒体としては、例えば、通信ネットワーク、又は放送波などを用いることができる。コンピュータＣは、このような伝送媒体を介してプログラムＰを取得することもできる。
【0073】
〔付記事項１〕
本発明は、上述した実施形態に限定されるものでなく、請求項に示した範囲で種々の変更が可能である。例えば、上述した実施形態に開示された技術的手段を適宜組み合わせて得られる実施形態についても、本発明の技術的範囲に含まれる。
本発明は、上述した実施形態に限定されるものでなく、請求項に示した範囲で種々の変更が可能である。例えば、上述した実施形態に開示された技術的手段を適宜組み合わせて得られる実施形態についても、本発明の技術的範囲に含まれる。
【0074】
〔付記事項２〕
上述した実施形態の一部又は全部は、以下のようにも記載され得る。ただし、本発明は、以下の記載する態様に限定されるものではない。
上述した実施形態の一部又は全部は、以下のようにも記載され得る。ただし、本発明は、以下の記載する態様に限定されるものではない。
【0075】
（付記１）
光ファイバ中を伝送される光信号の状態を推定する光信号状態推定装置であって、
前記光信号のコンスタレーションを取得する取得部と、
所定時間内に取得した前記コンスタレーションが、同相成分方向および直交成分方向をそれぞれ特定数に分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを生成する生成部と、
既知の状態の光信号のコンスタレーションから生成された前記時系列データを用いて学習された学習済モデルに、推定対象の光信号のコンスタレーションから生成された前記時系列データを入力することにより、前記推定対象の光信号の状態を推定する推定部と、
を備える光信号状態推定装置。
光ファイバ中を伝送される光信号の状態を推定する光信号状態推定装置であって、
前記光信号のコンスタレーションを取得する取得部と、
所定時間内に取得した前記コンスタレーションが、同相成分方向および直交成分方向をそれぞれ特定数に分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを生成する生成部と、
既知の状態の光信号のコンスタレーションから生成された前記時系列データを用いて学習された学習済モデルに、推定対象の光信号のコンスタレーションから生成された前記時系列データを入力することにより、前記推定対象の光信号の状態を推定する推定部と、
を備える光信号状態推定装置。
【0076】
（付記２）
前記特定数は、前記光信号の変調方式に応じた数である、
付記１に記載の光信号状態推定装置。
前記特定数は、前記光信号の変調方式に応じた数である、
付記１に記載の光信号状態推定装置。
【0077】
（付記３）
前記光信号の変調方式は、１６ＱＡＭ変調方式であり、
前記特定数は、１０である、
付記１または２に記載の光信号状態推定装置。
前記光信号の変調方式は、１６ＱＡＭ変調方式であり、
前記特定数は、１０である、
付記１または２に記載の光信号状態推定装置。
【0078】
（付記４）
前記光信号の変調方式は、２Ａ８ＰＳＫ変調方式であり、
前記特定数は、１０である、
請求項１または２に記載の光信号状態推定装置。
前記光信号の変調方式は、２Ａ８ＰＳＫ変調方式であり、
前記特定数は、１０である、
請求項１または２に記載の光信号状態推定装置。
【0079】
（付記５）
前記光信号の状態は、前記光信号のノイズ比である、
付記１～４の何れかに記載の光信号状態推定装置。
前記光信号の状態は、前記光信号のノイズ比である、
付記１～４の何れかに記載の光信号状態推定装置。
【0080】
（付記６）
付記１～５のいずれかに記載の光信号状態推定装置を備えた、
光信号多重化装置。
付記１～５のいずれかに記載の光信号状態推定装置を備えた、
光信号多重化装置。
【0081】
（付記７）
光ファイバ中を伝送される光信号の状態を推定する光信号状態推定装置が、
前記光信号のコンスタレーションを取得することと、
所定時間内に取得した前記コンスタレーションが、同相成分方向および直交成分方向をそれぞれ特定数に分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを生成することと、
既知の状態の光信号のコンスタレーションから生成された前記時系列データを用いて学習された学習済モデルに、推定対象の光信号のコンスタレーションから生成された前記時系列データを入力することにより、前記光信号の状態を推定することと、
を含む光信号状態推定方法。
光ファイバ中を伝送される光信号の状態を推定する光信号状態推定装置が、
前記光信号のコンスタレーションを取得することと、
所定時間内に取得した前記コンスタレーションが、同相成分方向および直交成分方向をそれぞれ特定数に分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを生成することと、
既知の状態の光信号のコンスタレーションから生成された前記時系列データを用いて学習された学習済モデルに、推定対象の光信号のコンスタレーションから生成された前記時系列データを入力することにより、前記光信号の状態を推定することと、
を含む光信号状態推定方法。
【0082】
（付記８）
光ファイバ中を伝送される光信号の状態を推定する光信号状態推定装置の光信号状態推定方法をコンピュータに実行させるプログラムであって、
前記コンピュータに、
前記光信号のコンスタレーションを取得する処理と、
所定時間内に取得した前記コンスタレーションが、同相成分方向および直交成分方向をそれぞれ特定数に分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを生成する処理と、
既知の状態の光信号のコンスタレーションから生成された前記時系列データを用いて学習された学習済モデルに、推定対象の光信号のコンスタレーションから生成された前記時系列データを入力することにより、前記光信号の状態を推定する処理と、
を実行させるプログラム。
光ファイバ中を伝送される光信号の状態を推定する光信号状態推定装置の光信号状態推定方法をコンピュータに実行させるプログラムであって、
前記コンピュータに、
前記光信号のコンスタレーションを取得する処理と、
所定時間内に取得した前記コンスタレーションが、同相成分方向および直交成分方向をそれぞれ特定数に分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを生成する処理と、
既知の状態の光信号のコンスタレーションから生成された前記時系列データを用いて学習された学習済モデルに、推定対象の光信号のコンスタレーションから生成された前記時系列データを入力することにより、前記光信号の状態を推定する処理と、
を実行させるプログラム。
【0083】
（付記９）
少なくとも１つのプロセッサを備え、光ファイバ中を伝送される光信号の状態を推定する光信号状態推定装置であって、
前記プロセッサは、
前記光信号のコンスタレーションを取得する取得処理と、
所定時間内に取得した前記コンスタレーションが、同相成分方向および直交成分方向をそれぞれ特定数に分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを生成する生成処理と、
既知の状態の光信号のコンスタレーションから生成された前記時系列データを用いて学習された学習済モデルに、推定対象の光信号のコンスタレーションから生成された前記時系列データを入力することにより、前記光信号の状態を推定する推定処理と、
を実行する光信号状態推定装置。
少なくとも１つのプロセッサを備え、光ファイバ中を伝送される光信号の状態を推定する光信号状態推定装置であって、
前記プロセッサは、
前記光信号のコンスタレーションを取得する取得処理と、
所定時間内に取得した前記コンスタレーションが、同相成分方向および直交成分方向をそれぞれ特定数に分割した各グリッドに含まれる数を集計したヒストグラム情報を時系列に沿って並べた時系列データを生成する生成処理と、
既知の状態の光信号のコンスタレーションから生成された前記時系列データを用いて学習された学習済モデルに、推定対象の光信号のコンスタレーションから生成された前記時系列データを入力することにより、前記光信号の状態を推定する推定処理と、
を実行する光信号状態推定装置。
【0084】
なお、この光信号状態推定装置は、更にメモリを備えていてもよく、このメモリには、前記取得処理と、前記生成処理と、前記推定処理とを前記プロセッサに実行させるためのプログラムが記憶されていてもよい。また、このプログラムは、コンピュータ読み取り可能な一時的でない有形の記録媒体に記録されていてもよい。
【符号の説明】
【0085】
１、４０ 光信号状態推定装置
１１、４１ 取得部
１２、４３ 生成部
１３、４４ 推定部
３１－１、３１－２ ＰＢＳ
３２－１、３２－２ 度ハイブリッド
３３－１、３３－２ 光検出部
３４－１、３４－２ ＡＤＣ
３５ ＤＳＰ
４２ 前処理部
４５ 学習部
４６ データベース
１００ 光信号多重化装置
１１、４１ 取得部
１２、４３ 生成部
１３、４４ 推定部
３１－１、３１－２ ＰＢＳ
３２－１、３２－２ 度ハイブリッド
３３－１、３３－２ 光検出部
３４－１、３４－２ ＡＤＣ
３５ ＤＳＰ
４２ 前処理部
４５ 学習部
４６ データベース
１００ 光信号多重化装置
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】