全光网一直被认作光通信网的终极目标。近年来随着液晶、微电子机械系统(micro-electro-mechanical system,MEMS)技术的发展和波长选择开关(wavelength selective switch,WSS)等可配置光器件的成熟,全光网再次成为研究和应用的焦点。在介绍全光网技术现状和系统架构的基础上,重点梳理了相关标准化研究的最新进展,进一步探讨了全光网有待解决的技术问题,最后对其未来发展前景进行了展望。
随着“宽带中国”“提速降费”等国家战略的推进,通信网络流量迅猛增长,电信运营商的很多枢纽机房空间、供电压力巨大,光层直通的全光网技术将有效缓解上述压力。在分析全光网的概念与内涵的基础上,探讨分析全光网的应用价值与应用实践,并针对当前全光网面临的问题进行分析和对未来技术发展进行展望。
5G时代,新兴业务发展驱使网络带宽增长,尤其是横向突发流量的暴增,网络由多层平面架构向立体架构演进,由此促进全光交换技术的发展和应用。介绍了光交换网架构的发展历史及技术演进,阐述了目前全光交换设备的关键技术能力及应用,并探讨了未来全光交换技术的演进趋势。
主要回顾了光纤通信系统的发展历程,并通过回顾过去20年的发展历程以及当前“超高速、超大容量、超长距离”光纤通信系统的研究状况,对未来20年光纤通信技术的需求和可能的解决路径进行了介绍。
以城域光传输网在数据业务驱动下,对智能化和灵活性的要求不断增加,带来网络架构的革新为背景,阐述了可重构光分插复用器(reconfigurable optical add-drop multiplexer,ROADM)网元及其动态组网技术面临的挑战;研究了ROADM网元中核心光器件的低成本解决方案,以及ROADM网元设备白盒化、解耦合以及可编程性的需求,得出低成本、白盒化的ROADM网元是城域光传输网智能化的关键有效手段的结论。
ROADM 作为全光网最重要的组成部分之一,可以给光网络带来灵活可变、降低功耗和成本、充分利用网络空闲资源等优势,近年来开始在骨干网和城域网规模部署。对于组成ROADM的重要元器件之一——WSS的构造原理进行详细阐述和分析,并介绍未来下一代WSS的主要特性和挑战,最后基于元器件发展的趋势,给出ROADM的发展方向——CDC ROADM的可行架构。
因其低时延、高效率的特性,全光矢量信号处理技术在光网演进过程中具有重要意义,因此,对当前全光信号处理的技术背景、应用方案等进行了全面的介绍。首先对全光信号调制格式进行了梳理,描述了各调制格式的基本特性及接收方式,并对作为全光信号处理基础的非线性光学效应进行了分类介绍,说明了各效应的发生条件、发生过程、带来的光学现象及常用的非线性介质。简要阐述了全光信号处理技术的优点,并对全光信号再生、全光格式转换和全光相位量化这 3 个研究方向进行了详细介绍。最后对全光矢量信号处理技术的应用前景进行了展望。
光纤通信网络是现代信息社会的重要基础设施。随着光纤损耗的降低、电—光—电转换器件性能的提升、调制技术的发展和数字信号处理的引入,光纤传输系统的容量获得了极大的提升。近年来,由于数据中心和移动通信升级的需求,光纤传输的研究热点逐步转向100 km以下基于直接检测的中短距传输场景。为此,首先回顾了历代光纤通信系统的历史演进,然后分析了直接检测系统中的限制因素,在此基础上依次介绍一维至四维自相干光检测技术的原理和系统配置,最后展望了未来相干光通信系统的低成本演化趋势。
边缘计算将网络边缘上的计算、存储等资源进行有机融合,构建成统一的用户服务平台,按就近服务原则对网络边缘节点任务请求及时响应并有效处理。由于边缘节点能力、资源、带宽、能源等受限,计算迁移是边缘计算的一个关键问题。综述了移动边缘计算的起因、演进和发展趋势,以从分布式计算、普适计算、云计算到边缘计算的演进历程为主线,对比分析了各阶段计算迁移的特点并对经典模型进行了评述;重点分析了边缘计算的最新研究进展及应用领域,研究并对比分析了基于能耗优化管理的移动边缘计算模型。最后提出了一个面向LTE应用和基于时分多址(time division multiple access,TDMA)的多用户边缘移动终端计算迁移策略系统。
作为下一代移动通信技术,5G的高带宽、低时延等特点使未来网络可以支持更为丰富的应用场景,如物联网、VR/AR等。层出不穷的应用给运营商带来流量的持续爆发式增长,流量和收入的“剪刀差”进一步拉大,使运营商面临严峻的挑战。随着人工智能和机器学习技术的不断成熟,运营商既能对自身业务进行智能化演进,又能借助“管道”的优势,进入更多的领域,为消费者提供定制化的解决方案。从 5 个方面阐述了在5G时代AI如何为运营商赋能:首先介绍了5G为运营商带来的机遇和挑战,论述了运营商应用AI技术的必要性和可行性。并结合运营商具体业务提出了AI与运营商业务深度结合的3个领域,即智能网络、智能营销和服务和产业互联网。最后,指出了运营商全面应用AI技术可能面临的挑战。
当前 AI 已经上升为各国科技转型升级的核心战略,在万物互联的大背景下,各行各业都掀起了 AI的研究热潮。电信行业也不例外,正值运营商网络面临数字化转型的挑战,通过AI技术来实现电信网络的自动驾驶已经逐步成为业界的共识。介绍了华为实现自动驾驶的SoftCOM AI解决方案以及其部署方法、价值和案例。
人工智能技术是当前各国关注的新焦点。人工智能技术的发展对计算芯片提出了新的需求,深度学习算法需要海量数据的训练,而传统计算架构无法支撑深度学习算法的大规模计算需求,因此新架构的人工智能芯片层出不穷。分析了人工智能芯片不同的技术路线,比较了不同路线的特点,研究了人工智能芯片产业全球及我国的发展态势,分析了我国人工智能芯片发展面临的机遇与挑战,并对未来人工智能芯片技术发展趋势进行了展望。
结合大数据及机器学习的发展与实践,以安徽省O域XDR与MR数据为基础,详细阐述了数据采集过程及XDR与MR关联的实现技术,并结合实践给出了关联率与准确率影响因素分析,通过机器学习与指纹定位算法结合,利用最小欧氏距离算法不断优化指纹定位提升定位精度,实现了关联后数据的栅格化,同时基于关联数据提出了面向规划、面向网络、面向客户、面向市场的创新应用场景与方向,最后给出了建维与市场两个方向的应用案例,验证了XDR与MR关联的应用前景。
随着各种电信业务诉求的明显提升,传统模式下的以电话业务营销、解决及通知为主渠道的外呼行业面临着越来越多的痛点,包括市场、人员、培训、客户情绪、成本、精准数据和人员流动等各个方面。以实现电信业务降本增效、注入智慧、提高能力为主要需求导向,综合考虑现网外呼系统的各种现状,结合人工智能及大数据技术在外呼领域的应用,针对构建智能化、高效率的“智能外呼系统”涉及的网络建设给出了可行性方案探讨。
分析了目前导诊系统存在的主要问题,根据目前学术界研究的智能导诊系统现状,创造性地提出了基于海量患者病情自述,利用多种机器学习算法,形成了病情自述自学习体系,实现了针对病人自述的智能导诊。该平台利用网络爬虫技术获取了国际国内主流医疗机构科室设置以及海量的病人病情描述,形成了基于国际标准的病理知识库及病情自述知识库,为后续的智能文本识别奠定了基础。同时在算法上进行了创新,构建了注意力(attention)与文本积卷(TextCNN)组合模型,提升了导诊的准确性。
随着电信行业的发展,持续增长的宽带业务需要更高的人工运维成本。在电信运维的装维质检中,需要人工识别施工现场图片以评估装维质量。传统的装维人工质检存在检测准确率低且人力成本高的问题。近年来基于深度学习的图像识别技术不断发展,应用领域不断拓宽。若采用图像识别技术,则可显著节约人力成本并提高准确率。将多种图像识别技术应用在电信运维业务中的装维场景,并分析比较各种图像识别技术的性能与准确率。基于分析,进一步提出了一种融合的图像识别模型,应用于电信运维的质检流程,显著提高了运维图片识别准确率和质检效率。