知財求人 - 知財ポータルサイト「IP Force」
特開2024-18656学習装置、光信号状態推定装置、学習方法、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】P2024018656
(43)【公開日】2024-02-08
(54)【発明の名称】学習装置、光信号状態推定装置、学習方法、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
【ＦＩ】
H04B10/075
【審査請求】未請求
【請求項の数】10
【出願形態】ＯＬ
(21)【出願番号】P 2022122110
(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】多賀戸 裕樹
(72)【発明者】
【氏名】小梨 貴史
【テーマコード（参考）】
5K102
【Ｆターム（参考）】
5K102AD01
5K102AD15
5K102AH14
5K102AH22
5K102AH26
5K102AH27
5K102LA02
5K102LA11
5K102LA52
5K102MH03
5K102MH14
5K102PB01
5K102PH22
5K102PH31
5K102RD26
5K102RD28
(57)【要約】
【課題】複素平面におけるコンスタレーションが回転した場合でも、高い精度で信号状態を推定することができるように学習モデルを学習させる。
【解決手段】学習装置（１）は、光ファイバ中を伝送される、既知の状態の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を複素平面上において回転させた補正コンスタレーションを生成する生成部（１２）と、コンスタレーションおよび補正コンスタレーションを用いて学習モデルを学習させる学習部（１３）と、を備える。
【選択図】図１
【解決手段】学習装置（１）は、光ファイバ中を伝送される、既知の状態の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を複素平面上において回転させた補正コンスタレーションを生成する生成部（１２）と、コンスタレーションおよび補正コンスタレーションを用いて学習モデルを学習させる学習部（１３）と、を備える。
【選択図】図１
【特許請求の範囲】
【請求項1】
光信号の状態を推定する学習モデルの学習装置であって、
光ファイバ中を伝送される、既知の状態の光信号のコンスタレーションを取得する取得部と、
前記コンスタレーションを複素平面上において回転させた補正コンスタレーションを生成する生成部と、
前記コンスタレーションおよび前記補正コンスタレーションを用いて前記学習モデルを学習させる学習部と、
を備えた学習装置。
光ファイバ中を伝送される、既知の状態の光信号のコンスタレーションを取得する取得部と、
前記コンスタレーションを複素平面上において回転させた補正コンスタレーションを生成する生成部と、
前記コンスタレーションおよび前記補正コンスタレーションを用いて前記学習モデルを学習させる学習部と、
を備えた学習装置。
【請求項2】
前記生成部は、前記補正コンスタレーションとして、前記コンスタレーションを複素平面上において９０度回転させた第１の補正コンスタレーション、前記コンスタレーションを複素平面上において１８０度回転させた第２の補正コンスタレーション、および、前記コンスタレーションを複素平面上において２７０度回転させた第３の補正コンスタレーションをそれぞれ生成する、請求項１に記載の学習装置。
【請求項3】
前記状態は、ノイズ比である、請求項１に記載の学習装置。
【請求項4】
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、
既知の状態の光信号のコンスタレーション、および、前記既知の状態の光信号のコンスタレーションを複素平面上において回転させた補正コンスタレーションを用いて学習させた学習済みモデルを用いて、前記取得部が取得した前記コンスタレーションから、前記光信号の状態を推定する推定部と、
を備えた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、
既知の状態の光信号のコンスタレーション、および、前記既知の状態の光信号のコンスタレーションを複素平面上において回転させた補正コンスタレーションを用いて学習させた学習済みモデルを用いて、前記取得部が取得した前記コンスタレーションから、前記光信号の状態を推定する推定部と、
を備えた光信号状態推定装置。
【請求項5】
前記補正コンスタレーションは、前記コンスタレーションを複素平面上において９０度回転させた第１の補正コンスタレーション、前記コンスタレーションを複素平面上において１８０度回転させた第２の補正コンスタレーション、および、前記コンスタレーションを複素平面上において２７０度回転させた第３の補正コンスタレーションを含む、請求項４に記載の光信号状態推定装置。
【請求項6】
前記状態は、ノイズ比である、請求項４に記載の光信号状態推定装置。
【請求項7】
請求項４～６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。
【請求項8】
光信号の状態を推定する学習モデルの学習方法であって、
光ファイバ中を伝送される、既知の状態の光信号のコンスタレーションを取得し、
前記コンスタレーションを複素平面上において回転させた補正コンスタレーションを生成し、
前記コンスタレーションおよび前記補正コンスタレーションを用いて前記学習モデルを学習させる、
学習方法。
光ファイバ中を伝送される、既知の状態の光信号のコンスタレーションを取得し、
前記コンスタレーションを複素平面上において回転させた補正コンスタレーションを生成し、
前記コンスタレーションおよび前記補正コンスタレーションを用いて前記学習モデルを学習させる、
学習方法。
【請求項9】
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方法であって、
前記光信号のコンスタレーションを取得し、
既知の状態の光信号のコンスタレーション、および、前記既知の状態の光信号のコンスタレーションを複素平面上において回転させた補正コンスタレーションを用いて学習させた学習済みモデルを用いて、取得した前記コンスタレーションから、前記光信号の状態を推定する、
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し、
既知の状態の光信号のコンスタレーション、および、前記既知の状態の光信号のコンスタレーションを複素平面上において回転させた補正コンスタレーションを用いて学習させた学習済みモデルを用いて、取得した前記コンスタレーションから、前記光信号の状態を推定する、
光信号状態推定方法。
【請求項10】
光信号の状態を推定する学習モデルの学習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、
光ファイバ中を伝送される、既知の状態の光信号のコンスタレーションを取得する処理と、
前記コンスタレーションを複素平面上において回転させた補正コンスタレーションを生成する処理と、
前記コンスタレーションおよび前記補正コンスタレーションを用いて前記学習モデルを学習させる処理と、
を実行させるプログラム。
前記コンピュータに、
光ファイバ中を伝送される、既知の状態の光信号のコンスタレーションを取得する処理と、
前記コンスタレーションを複素平面上において回転させた補正コンスタレーションを生成する処理と、
前記コンスタレーションおよび前記補正コンスタレーションを用いて前記学習モデルを学習させる処理と、
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、学習装置、光信号状態推定装置、学習方法、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】
近年、光信号の多重化装置であるＷＤＭ（Wavelength Division Multiplexing）に機械学習機能を搭載し、信号状態やパラメータ情報を学習させることで信号状態の推定や故障状態の推定を行うＡＩ－ＷＤＭの研究開発が盛んに行われている。これに関連する技術として、下記の特許文献１に開示された発明がある。
【0003】
特許文献１には、コンスタレーションデータなどの信号受信データと同様のデータを取得して、特徴データを生成し、生成した特徴データに基づいてコアの異常状態を推定し、推定結果を出力することが開示されている。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２０１９－１４０６６６号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
光信号の復調（エラー訂正）の過程において、復調後信号のＩＱ平面（複素平面）におけるコンスタレーションが複数の要因で回転してしまい、元データと異なるコンスタレーションとなる場合があり、正しく信号状態の推定が行えないといった問題がある。特許文献１に開示された技術を用いたとしても、このような問題を解決することはできない。
【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、ＩＱ平面（複素平面）におけるコンスタレーションが回転した場合でも、高い精度で信号状態を推定することが可能な技術を提供することを一目的とする。
【課題を解決するための手段】
【0007】
本発明の一態様に係る学習装置は、光信号の状態を推定する学習モデルの学習装置であって、光ファイバ中を伝送される、既知の状態の光信号のコンスタレーションを取得する取得部と、前記コンスタレーションを複素平面上において回転させた補正コンスタレーションを生成する生成部と、前記コンスタレーションおよび前記補正コンスタレーションを用いて前記学習モデルを学習させる学習部と、を備える。
【0008】
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、既知の状態の光信号のコンスタレーション、および、前記既知の状態の光信号のコンスタレーションを複素平面上において回転させた補正コンスタレーションを用いて学習させた学習済みモデルを用いて、前記取得部が取得した前記コンスタレーションから、前記光信号の状態を推定する推定部と、を備える。
【0009】
本発明の一態様に係る学習方法は、光信号の状態を推定する学習モデルの学習方法であって、光ファイバ中を伝送される、既知の状態の光信号のコンスタレーションを取得し、前記コンスタレーションを複素平面上において回転させた補正コンスタレーションを生成し、前記コンスタレーションおよび前記補正コンスタレーションを用いて前記学習モデルを学習させる。
【0010】
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方法であって、前記光信号のコンスタレーションを取得し、既知の状態の光信号のコンスタレーション、および、前記既知の状態の光信号のコンスタレーションを複素平面上において回転させた補正コンスタレーションを用いて学習させた学習済みモデルを用いて、取得した前記コンスタレーションから、前記光信号の状態を推定する。
【0011】
本発明の一態様に係るプログラムは、光信号の状態を推定する学習モデルの学習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、光ファイバ中を伝送される、既知の状態の光信号のコンスタレーションを取得する処理と、前記コンスタレーションを複素平面上において回転させた補正コンスタレーションを生成する処理と、前記コンスタレーションおよび前記補正コンスタレーションを用いて前記学習モデルを学習させる処理と、を実行させる。
【発明の効果】
【0012】
本発明の一態様によれば、ＩＱ平面（複素平面）におけるコンスタレーションが回転した場合でも、高い精度で信号状態を推定することができる。
【図面の簡単な説明】
【0013】
【図1】本発明の第１の例示的実施形態に係る学習装置の構成例を示すブロック図である。
【図2】本発明の第１の例示的実施形態に係る学習装置の処理方法の流れを示すフロー図である。
【図3】コンスタレーションの回転を説明するための図である。
【図4】本発明の第１の例示的実施形態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5】本発明の第１の例示的実施形態に係る光信号状態推定装置の処理方法の流れを示すフロー図である。
【図6】本発明の第２の例示的実施形態に係る光信号状態推定装置を含んだ光多重化装置の構成例を示すブロック図である。
【図7】コンスタレーション情報の前処理の一例を示す図である。
【図8】各例示的実施形態に係る学習装置または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】
【0014】
〔例示的実施形態１〕
＜例示的実施形態１に係る学習装置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。
＜例示的実施形態１に係る学習装置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。
【0015】
図１は、本発明の第１の例示的実施形態に係る学習装置１の構成例を示すブロック図である。本例示的実施形態に係る学習装置１は、光信号の状態を推定する学習モデルの学習装置であって、図１に示すように、取得部１１と、生成部１２と、学習部１３と、を備えている。
【0016】
取得部１１は、光ファイバ中を伝送される、既知の状態の光信号のコンスタレーションを取得する。既知の状態は、例えば、ノイズ比、クロストーク、帯域狭窄等の信号状態である。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チャネル（Ｉチャネル）と直交チャネル（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】
光信号の復調（エラー訂正）の過程において、復調後信号のＩＱ平面（複素平面）におけるコンスタレーションが複数の要因で回転してしまい、元データと異なるコンスタレーションとなる場合がある。この現象は、コンスタレーションデータの取得タイミングが回転事象の復調前であることに起因する。本出願人は、現在のＡＩ－ＷＤＭにおいて、複素平面上におけるコンスタレーションの回転が、０°（回転なし）、９０°、１８０°、２７０°の４パターンで発生することを確認している。
【0018】
生成部１２は、コンスタレーションを複素平面上において回転させた補正コンスタレーションを生成する。上述のように、複素平面上におけるコンスタレーションの回転が、０°、９０°、１８０°、２７０°の４パターンで発生するため、例えば、生成部１２は、取得部１１によって取得されたコンスタレーションから、コンスタレーションを複素平面上において９０度回転させた第１の補正コンスタレーション、コンスタレーションを複素平面上において１８０度回転させた第２の補正コンスタレーション、および、コンスタレーションを複素平面上において２７０度回転させた第３の補正コンスタレーションをそれぞれ生成する。
【0019】
学習部１３は、コンスタレーションおよび補正コンスタレーションを用いて学習モデルを学習させる。上述のように、補正コンスタレーションは、コンスタレーションを複素平面上において回転させたものであるため、コンスタレーションと共に補正コンスタレーションを用いて学習モデルを学習させることにより、コンスタレーションデータの回転事象が発生した場合でも、高い精度で信号状態を推定できるように学習モデルを生成することができる。
【0020】
また、学習部１３は、コンスタレーションと既知の状態との組、および、補正コンスタレーションと既知の状態との組を教師データとして、学習モデルを学習させるようにしてもよい。
【0021】
学習モデルは、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モデルである。ここで、ニューラルネットワークとしては、ＣＮＮ（Convolutional Neural Network）やＲＮＮ（Recurrent Neural Network）等を挙げることができる。なお、当該学習モデルは、これらの構成に限定されるものではなく、ＳＶＭ（Support Vector Machine）等の他の機械学習であってもよいし、これら他の機械学習とニューラルネットワークとを組み合わせたものであってもよい。なお、学習モデルは、推論モデル、推定モデル、識別モデルなどとも表現され得るものである。
【0022】
＜学習装置１の効果＞
以上説明したように、本例示的実施形態に係る学習装置１によれば、学習部１３が、コンスタレーションと共に補正コンスタレーションを用いて学習モデルを学習させる。したがって、コンスタレーションデータの回転事象が発生した場合でも、高い精度で信号状態を推定できるように学習モデルを生成することができる。
以上説明したように、本例示的実施形態に係る学習装置１によれば、学習部１３が、コンスタレーションと共に補正コンスタレーションを用いて学習モデルを学習させる。したがって、コンスタレーションデータの回転事象が発生した場合でも、高い精度で信号状態を推定できるように学習モデルを生成することができる。
【0023】
＜学習装置１による処理方法の流れ＞
以上のように構成された学習装置１が実行する処理方法の流れについて、図２を参照して説明する。図２は、第１の例示的実施形態に係る学習装置１の処理方法の流れを示すフロー図である。図２に示すように、処理方法Ｓ１は、光信号の状態を推定する学習モデルの学習方法であって、ステップＳ１１～Ｓ１３を含む。
以上のように構成された学習装置１が実行する処理方法の流れについて、図２を参照して説明する。図２は、第１の例示的実施形態に係る学習装置１の処理方法の流れを示すフロー図である。図２に示すように、処理方法Ｓ１は、光信号の状態を推定する学習モデルの学習方法であって、ステップＳ１１～Ｓ１３を含む。
【0024】
まず、取得部１１は、光ファイバ中を伝送される、既知の状態の光信号のコンスタレーションを取得する（Ｓ１１）。既知の状態は、例えば、ノイズ比、クロストーク、帯域狭窄等の信号状態である。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チャネル（Ｉチャネル）と直交チャネル（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。
【0025】
次に、生成部１２は、コンスタレーションを複素平面上において回転させた補正コンスタレーションを生成する（Ｓ１２）。
【0026】
図３は、コンスタレーションの回転を説明するための図である。図３において、四角で囲まれている部分は、パイロット信号と呼ばれる補助信号を示しており、このパイロット信号がコンスタレーション上に影響を及ぼしている。
【0027】
図３の左端の図は、複素平面上におけるコンスタレーションの回転が、０°（回転なし）の場合を示している。図３の左から２番目の図は、複素平面上におけるコンスタレーションの回転が、９０°の場合を示している。図３の左から３番目の図は、複素平面上におけるコンスタレーションの回転が、１８０°の場合を示している。図３の右端の図は、複素平面上におけるコンスタレーションの回転が、２７０°の場合を示している。
【0028】
図３に示すように、コンスタレーションの回転パターンが４パターンであり、また回転対象の信号点は特定可能であることから、擬似的にソフトウェア処理で該当信号点の座標をずらすことで各コンスタレーションの回転パターンを再現し、データオーグメンテーション（データ拡張）を行うことができる。
【0029】
最後に、学習部１３は、コンスタレーションおよび補正コンスタレーションを用いて学習モデルを学習させる（Ｓ１３）。上述のように、補正コンスタレーションは、コンスタレーションを複素平面上において回転させたものであるため、コンスタレーションと共に補正コンスタレーションを用いて学習モデルを学習させることにより、コンスタレーションデータの回転事象が発生した場合でも、高い精度で信号状態を推定できるように学習モデルを生成することができる。
【0030】
＜学習装置１の処理方法の効果＞
以上説明したように、本例示的実施形態に係る学習装置１の処理方法によれば、学習部１３が、コンスタレーションと共に補正コンスタレーションを用いて学習モデルを学習させる。したがって、コンスタレーションデータの回転事象が発生した場合でも、高い精度で信号状態を推定できるように学習モデルを生成することができる。
以上説明したように、本例示的実施形態に係る学習装置１の処理方法によれば、学習部１３が、コンスタレーションと共に補正コンスタレーションを用いて学習モデルを学習させる。したがって、コンスタレーションデータの回転事象が発生した場合でも、高い精度で信号状態を推定できるように学習モデルを生成することができる。
【0031】
＜例示的実施形態１に係る光信号状態推定装置２＞
図４は、本発明の第１の例示的実施形態に係る光信号状態推定装置２の構成例を示すブロック図である。本例示的実施形態に係る光信号状態推定装置２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、図４に示すように、取得部２１と、推定部２２と、を備えている。
図４は、本発明の第１の例示的実施形態に係る光信号状態推定装置２の構成例を示すブロック図である。本例示的実施形態に係る光信号状態推定装置２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、図４に示すように、取得部２１と、推定部２２と、を備えている。
【0032】
取得部２１は、光信号のコンスタレーションを取得する。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チャネル（Ｉチャネル）と直交チャネル（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。
【0033】
推定部２２は、既知の状態の光信号のコンスタレーション、および、既知の状態の光信号のコンスタレーションを複素平面上において回転させた補正コンスタレーションを用いて学習させた学習済みモデルを用いて、取得部２１が取得したコンスタレーションから、光信号の状態を推定する。既知の状態は、例えば、ノイズ比、クロストーク、帯域狭窄等の信号状態である。
【0034】
また、推定部２２は、既知の状態の光信号のコンスタレーションと既知の状態との組、および、既知の状態の光信号のコンスタレーションを複素平面上において回転させた補正コンスタレーションと既知の状態との組を教師データとして学習させた学習済みモデルを用いて、取得部２１が取得したコンスタレーションから、光信号の状態を推定するようにしてもよい。
【0035】
＜光信号状態推定装置２の効果＞
以上説明したように、本例示的実施形態に係る光信号状態推定装置２によれば、推定部２２が、コンスタレーションおよび補正コンスタレーションを用いて学習させた学習済みモデルを用いて、取得部２１が取得したコンスタレーションから、光信号の状態を推定する。したがって、推定部２２は、コンスタレーションデータの回転事象が発生した場合でも、高い精度で信号状態を推定することができる。
以上説明したように、本例示的実施形態に係る光信号状態推定装置２によれば、推定部２２が、コンスタレーションおよび補正コンスタレーションを用いて学習させた学習済みモデルを用いて、取得部２１が取得したコンスタレーションから、光信号の状態を推定する。したがって、推定部２２は、コンスタレーションデータの回転事象が発生した場合でも、高い精度で信号状態を推定することができる。
【0036】
＜光信号状態推定装置２による処理方法の流れ＞
以上のように構成された光信号状態推定装置２が実行する処理方法の流れについて、図５を参照して説明する。図５は、本例示的実施形態に係る光信号状態推定装置２の処理方法の流れを示すフロー図である。図５に示すように、光信号状態推定装置２の処理方法Ｓ２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方法であって、ステップＳ２１～Ｓ２２を含む。
以上のように構成された光信号状態推定装置２が実行する処理方法の流れについて、図５を参照して説明する。図５は、本例示的実施形態に係る光信号状態推定装置２の処理方法の流れを示すフロー図である。図５に示すように、光信号状態推定装置２の処理方法Ｓ２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方法であって、ステップＳ２１～Ｓ２２を含む。
【0037】
まず、取得部２１が、光信号のコンスタレーションを取得する（Ｓ２１）。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チャネル（Ｉチャネル）と直交チャネル（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。
【0038】
次に、推定部２２は、既知の状態の光信号のコンスタレーション、および、既知の状態の光信号のコンスタレーションを複素平面上において回転させた補正コンスタレーションを用いて学習させた学習済みモデルを用いて、取得部２１が取得したコンスタレーションから、光信号の状態を推定する。
【0039】
＜光信号状態推定方法の効果＞
以上説明したように、本例示的実施形態に係る光信号状態推定方法によれば、推定部２２が、コンスタレーションおよび補正コンスタレーションを用いて学習させた学習済みモデルを用いて、取得部２１が取得したコンスタレーションから、光信号の状態を推定する。したがって、推定部２２は、コンスタレーションデータの回転事象が発生した場合でも、高い精度で信号状態を推定することができる。
以上説明したように、本例示的実施形態に係る光信号状態推定方法によれば、推定部２２が、コンスタレーションおよび補正コンスタレーションを用いて学習させた学習済みモデルを用いて、取得部２１が取得したコンスタレーションから、光信号の状態を推定する。したがって、推定部２２は、コンスタレーションデータの回転事象が発生した場合でも、高い精度で信号状態を推定することができる。
【0040】
〔例示的実施形態２〕
＜例示的実施形態２に係る光信号多重化装置１００の構成例＞
図６は、本発明の第２の例示的実施形態に係る光信号多重化装置１００の構成例を示すブロック図である。本例示的実施形態に係る光信号多重化装置１００は、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、光信号状態推定装置４０と、を含む。なお、図６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。
＜例示的実施形態２に係る光信号多重化装置１００の構成例＞
図６は、本発明の第２の例示的実施形態に係る光信号多重化装置１００の構成例を示すブロック図である。本例示的実施形態に係る光信号多重化装置１００は、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、光信号状態推定装置４０と、を含む。なお、図６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。
【0041】
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。
【0042】
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。
【0043】
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。
【0044】
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。
【0045】
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。
【0046】
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。
【0047】
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、特徴量変換部４４と、特徴量ＤＢ４５と、特徴量検索部４６と、状態判定部４７とを含む。特徴量変換部４４、特徴量ＤＢ４５、特徴量検索部４６、および状態判定部４７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。
【0048】
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。
【0049】
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。
【0050】
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。
【0051】
【0052】
図７の中央に示すように、前処理部４２は、２次元座標データを複素平面上に描画した後、特定の大きさのグリッドに区切って、複数のグリッド（例えば、ｍ行×ｎ列）に分割する。
【0053】
そして、図７の右端に示すように、前処理部４２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。なお、図７においては、前処理部４２が、ＡＤＣ３４－１および３４－２から出力されるコンスタレーション情報に対して前処理を行ったデータと、ＤＳＰ３５から出力されるコンスタレーション情報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。
【0054】
生成部４３は、前処理部４２によって前処理された後のコンスタレーション情報を複素平面上において回転させた補正コンスタレーション情報を生成する。具体的には、生成部４３は、補正コンスタレーション情報として、コンスタレーション情報を複素平面上において９０度回転させた第１の補正コンスタレーション情報、コンスタレーション情報を複素平面上において１８０度回転させた第２の補正コンスタレーション情報、および、コンスタレーション情報を複素平面上において２７０度回転させた第３の補正コンスタレーション情報をそれぞれ生成する。
【0055】
特徴量変換部４４は、前処理部４２によって前処理された後のコンスタレーション情報、および生成部４３によって生成された補正コンスタレーション情報を用いた機械学習により学習モデルを生成する。このとき、コンスタレーション情報および補正コンスタレーション情報から特徴量を抽出できるように学習モデルの学習が行われる。そして、特徴量変換部４４は、学習モデルの機械学習が終了すると、機械学習によって生成された学習モデルを用いて、既知の状態の光信号のコンスタレーション情報を特徴量に変換し、既知の状態と共に特徴量ＤＢ４５に蓄積する。なお、既知の状態は、例えば、ノイズ比である。
【0056】
特徴量ＤＢ４５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おり、特徴量変換部４４によって変換された特徴量と既知の状態とを対応付けて逐次記憶して蓄積する。
【0057】
特徴量変換部４４は、信号状態を推定する場合、機械学習された学習モデルに対して、光ファイバ中を伝送される光信号のコンスタレーション情報を入力することによって、コンスタレーション情報を特徴量に変換する。そして、特徴量検索部４６は、特徴量ＤＢ４５に記憶される特徴量を検索する。
【0058】
状態判定部４７は、特徴量ＤＢ４５に、光信号のコンスタレーション情報の特徴量に近似している特徴量がある場合には、その特徴量に対応付けられた既知の状態を参照することによって、現在の光信号の状態等を判定することができる。そして、状態判定部４７は、判定結果を外部へ出力する。
【0059】
＜光信号多重化装置１００の効果＞
以上説明したように、本例示的実施形態に係る光信号多重化装置１００によれば、生成部４３が、補正コンスタレーション情報として、コンスタレーション情報を複素平面上において９０度回転させた第１の補正コンスタレーション情報、コンスタレーション情報を複素平面上において１８０度回転させた第２の補正コンスタレーション情報、および、コンスタレーション情報を複素平面上において２７０度回転させた第３の補正コンスタレーション情報をそれぞれ生成する。したがって、コンスタレーションデータの回転事象が発生した場合でも、高い精度で信号状態を推定できるように学習モデルを生成することができる。
以上説明したように、本例示的実施形態に係る光信号多重化装置１００によれば、生成部４３が、補正コンスタレーション情報として、コンスタレーション情報を複素平面上において９０度回転させた第１の補正コンスタレーション情報、コンスタレーション情報を複素平面上において１８０度回転させた第２の補正コンスタレーション情報、および、コンスタレーション情報を複素平面上において２７０度回転させた第３の補正コンスタレーション情報をそれぞれ生成する。したがって、コンスタレーションデータの回転事象が発生した場合でも、高い精度で信号状態を推定できるように学習モデルを生成することができる。
【0060】
また、光信号状態推定装置４０は、既知のノイズ比の光信号のコンスタレーション、および、既知のノイズ比の光信号のコンスタレーションを複素平面上において回転させた補正コンスタレーションを用いて学習させた学習済みモデルを用いて、取得部４１が取得したコンスタレーションから、光信号のノイズ比を推定する。したがって、コンスタレーションデータの回転事象が発生した場合でも、高い精度でノイズ比を推定することができる。
【0061】
〔ソフトウェアによる実現例〕
学習装置１、光信号状態推定装置２、４０、光信号多重化装置１００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。
学習装置１、光信号状態推定装置２、４０、光信号多重化装置１００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。
【0062】
後者の場合、学習装置１、光信号状態推定装置２、４０、光信号多重化装置１００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８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を学習装置１、光信号状態推定装置２、４０、光信号多重化装置１００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、学習装置１、光信号状態推定装置２、４０、光信号多重化装置１００の各機能が実現される。
【0063】
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。
【0064】
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。
【0065】
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。
【0066】
〔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。
【0067】
〔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。
【0068】
（付記１）
光信号の状態を推定する学習モデルの学習装置であって、
光ファイバ中を伝送される、既知の状態の光信号のコンスタレーションを取得する取得部と、
前記コンスタレーションを複素平面上において回転させた補正コンスタレーションを生成する生成部と、
前記コンスタレーションおよび前記補正コンスタレーションを用いて前記学習モデルを学習させる学習部と、
を備えた学習装置。
光信号の状態を推定する学習モデルの学習装置であって、
光ファイバ中を伝送される、既知の状態の光信号のコンスタレーションを取得する取得部と、
前記コンスタレーションを複素平面上において回転させた補正コンスタレーションを生成する生成部と、
前記コンスタレーションおよび前記補正コンスタレーションを用いて前記学習モデルを学習させる学習部と、
を備えた学習装置。
【0069】
（付記２）
前記生成部は、前記補正コンスタレーションとして、前記コンスタレーションを複素平面上において９０度回転させた第１の補正コンスタレーション、前記コンスタレーションを複素平面上において１８０度回転させた第２の補正コンスタレーション、および、前記コンスタレーションを複素平面上において２７０度回転させた第３の補正コンスタレーションをそれぞれ生成する、
付記１に記載の学習装置。
前記生成部は、前記補正コンスタレーションとして、前記コンスタレーションを複素平面上において９０度回転させた第１の補正コンスタレーション、前記コンスタレーションを複素平面上において１８０度回転させた第２の補正コンスタレーション、および、前記コンスタレーションを複素平面上において２７０度回転させた第３の補正コンスタレーションをそれぞれ生成する、
付記１に記載の学習装置。
【0070】
（付記３）
前記状態は、ノイズ比である、
付記１または２に記載の学習装置。
前記状態は、ノイズ比である、
付記１または２に記載の学習装置。
【0071】
（付記４）
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、
既知の状態の光信号のコンスタレーション、および、前記既知の状態の光信号のコンスタレーションを複素平面上において回転させた補正コンスタレーションを用いて学習させた学習済みモデルを用いて、前記取得部が取得した前記コンスタレーションから、前記光信号の状態を推定する推定部と、
を備えた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、
既知の状態の光信号のコンスタレーション、および、前記既知の状態の光信号のコンスタレーションを複素平面上において回転させた補正コンスタレーションを用いて学習させた学習済みモデルを用いて、前記取得部が取得した前記コンスタレーションから、前記光信号の状態を推定する推定部と、
を備えた光信号状態推定装置。
【0072】
（付記５）
前記補正コンスタレーションは、前記コンスタレーションを複素平面上において９０度回転させた第１の補正コンスタレーション、前記コンスタレーションを複素平面上において１８０度回転させた第２の補正コンスタレーション、および、前記コンスタレーションを複素平面上において２７０度回転させた第３の補正コンスタレーションを含む、
付記４に記載の光信号状態推定装置。
前記補正コンスタレーションは、前記コンスタレーションを複素平面上において９０度回転させた第１の補正コンスタレーション、前記コンスタレーションを複素平面上において１８０度回転させた第２の補正コンスタレーション、および、前記コンスタレーションを複素平面上において２７０度回転させた第３の補正コンスタレーションを含む、
付記４に記載の光信号状態推定装置。
【0073】
（付記６）
前記状態は、ノイズ比である、
付記４または５に記載の光信号状態推定装置。
前記状態は、ノイズ比である、
付記４または５に記載の光信号状態推定装置。
【0074】
（付記７）
付記４～６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４～６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。
【0075】
（付記８）
光信号の状態を推定する学習モデルの学習方法であって、
光ファイバ中を伝送される、既知の状態の光信号のコンスタレーションを取得し、
前記コンスタレーションを複素平面上において回転させた補正コンスタレーションを生成し、
前記コンスタレーションおよび前記補正コンスタレーションを用いて前記学習モデルを学習させる、
学習方法。
光信号の状態を推定する学習モデルの学習方法であって、
光ファイバ中を伝送される、既知の状態の光信号のコンスタレーションを取得し、
前記コンスタレーションを複素平面上において回転させた補正コンスタレーションを生成し、
前記コンスタレーションおよび前記補正コンスタレーションを用いて前記学習モデルを学習させる、
学習方法。
【0076】
（付記９）
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方法であって、
前記光信号のコンスタレーションを取得し、
既知の状態の光信号のコンスタレーション、および、前記既知の状態の光信号のコンスタレーションを複素平面上において回転させた補正コンスタレーションを用いて学習させた学習済みモデルを用いて、取得した前記コンスタレーションから、前記光信号の状態を推定する、
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方法であって、
前記光信号のコンスタレーションを取得し、
既知の状態の光信号のコンスタレーション、および、前記既知の状態の光信号のコンスタレーションを複素平面上において回転させた補正コンスタレーションを用いて学習させた学習済みモデルを用いて、取得した前記コンスタレーションから、前記光信号の状態を推定する、
光信号状態推定方法。
【0077】
（付記１０）
光信号の状態を推定する学習モデルの学習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、
光ファイバ中を伝送される、既知の状態の光信号のコンスタレーションを取得する処理と、
前記コンスタレーションを複素平面上において回転させた補正コンスタレーションを生成する処理と、
前記コンスタレーションおよび前記補正コンスタレーションを用いて前記学習モデルを学習させる処理と、
を実行させるプログラム。
光信号の状態を推定する学習モデルの学習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、
光ファイバ中を伝送される、既知の状態の光信号のコンスタレーションを取得する処理と、
前記コンスタレーションを複素平面上において回転させた補正コンスタレーションを生成する処理と、
前記コンスタレーションおよび前記補正コンスタレーションを用いて前記学習モデルを学習させる処理と、
を実行させるプログラム。
【0078】
（付記１１）
光信号の状態を推定する学習モデルの学習装置であって、
少なくとも１つのプロセッサを備え、前記プロセッサは、
光ファイバ中を伝送される、既知の状態の光信号のコンスタレーションを取得する処理と、
前記コンスタレーションを複素平面上において回転させた補正コンスタレーションを生成する処理と、
前記コンスタレーションおよび前記補正コンスタレーションを用いて前記学習モデルを学習させる処理と、
を実行させる学習装置。
光信号の状態を推定する学習モデルの学習装置であって、
少なくとも１つのプロセッサを備え、前記プロセッサは、
光ファイバ中を伝送される、既知の状態の光信号のコンスタレーションを取得する処理と、
前記コンスタレーションを複素平面上において回転させた補正コンスタレーションを生成する処理と、
前記コンスタレーションおよび前記補正コンスタレーションを用いて前記学習モデルを学習させる処理と、
を実行させる学習装置。
【0079】
なお、この学習データ抽出装置は、更にメモリを備えていてもよく、このメモリには、前記取得する処理と、前記生成する処理と、前記学習させる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。
【0080】
（付記１２）
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、
少なくとも１つのプロセッサを備え、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処理と、
既知の状態の光信号のコンスタレーション、および、前記既知の状態の光信号のコンスタレーションを複素平面上において回転させた補正コンスタレーションを用いて学習させた学習済みモデルを用いて、取得した前記コンスタレーションから、前記光信号の状態を推定する処理と、
を実行す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、
少なくとも１つのプロセッサを備え、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処理と、
既知の状態の光信号のコンスタレーション、および、前記既知の状態の光信号のコンスタレーションを複素平面上において回転させた補正コンスタレーションを用いて学習させた学習済みモデルを用いて、取得した前記コンスタレーションから、前記光信号の状態を推定する処理と、
を実行する光信号状態推定装置。
【0081】
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、前記取得する処理と、前記推定する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】
【0082】
１ 学習装置
２，４０ 光信号状態推定装置
１１，２１，４１ 取得部
１２，４３ 生成部
１３ 学習部
２２ 推定部
３１－１,３１－２ ＰＢＳ
３２－１，３２－２ ９０度ハイブリッド
３３－１，３２－２ 光検出部
３４－１，３４－２ ＡＤＣ
３５ ＤＳＰ
４２ 前処理部
４４ 特徴量変換部
４５ 特徴量ＤＢ
４６ 特徴量検索部
４７ 状態判定部
１００ 光信号多重化装置
２，４０ 光信号状態推定装置
１１，２１，４１ 取得部
１２，４３ 生成部
１３ 学習部
２２ 推定部
３１－１,３１－２ ＰＢＳ
３２－１，３２－２ ９０度ハイブリッド
３３－１，３２－２ 光検出部
３４－１，３４－２ ＡＤＣ
３５ ＤＳＰ
４２ 前処理部
４４ 特徴量変換部
４５ 特徴量ＤＢ
４６ 特徴量検索部
４７ 状態判定部
１００ 光信号多重化装置
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】