基于小波理论的光网络故障监测与告警关联分析研究

摘要

随着光波分复用技术在通信传输网络中的应用，网络的传输速率、容量得到了迅速提高。光纤通信网络在满足人们带宽及速率要求的同时，也为网络的可控可管带来了新的挑战。由于光网络大容量及高传输速率的特性，导致网络中故障的发生将造成大量传输数据丢失，甚至可能会为网络带来灾难性的危害。因此，光网络中故障管理成为近年来的研究热点。故障管理可以分为故障监测、故障定位、故障通告和故障恢复。故障监测是通过对网络状态的监视发现网络异常并发出告警通知的一个过程。在故障监测完成后，还需要对故障发生后触发的告警信息进行相关性分析，以消除由于故障的传播而产生的告警风暴，从而为后续的故障定位提供更加精确的依据。为此，本文重点针对故障管理中的故障监测及告警相关性分析进行研究。
　　 传统故障监测算法多是在时域处理监测信号状态值，这种监测算法无法避免时域噪声信号的影响，导致产生漏告警以及误告警，难以实现准确的故障监测。针对这一问题，本文提出了一种基于小波变换的故障监测算法。首先，由于小波变换的时频域局部特性，本文利用其对监测状态值进行时频域处理，通过在频域的处理消除噪声信号对监测信号的影响，并利用小波变换奇异性监测原理完成故障监测的任务。仿真结果表明该算法能够降低噪声信号的影响，减少误告警及漏告警的产生，达到故障监测准确性的要求，并且监测时间为毫秒级，能达到故障监测实时性的要求。
　　 为消除故障发生后产生的冗余告警影响，需对告警进行相关性分析，以去除冗余的、信息价值低的告警信息。因此，本文提出一种基于小波神经网络的告警加权关联规则挖掘算法。首先，引入小波神经网络完成告警权值确定，利用网管人员经验数据训练小波网络，得到的小波神经网络能够自动对接收到的告警进行级别判定并给定权值;其次，对关联规则挖掘的重要参数进行定义得到加权支持度和加权置信度;最后，学习FP-tree算法挖掘关联规则。仿真结果表明:该算法在权值确定时能够综合考虑多个影响因素，得到的权值更能科学反映告警的重要性;所得关联规则更能反映告警间的相关性，能以较低的复杂度过滤掉故障产生的冗余告警信息。

目录

声明

摘要

第一章 绪论

1．1 光网络的发展

1．2 光网络的故障监测

1．2．1 光网络中故障的分类

1．2．2 光网络元器件的告警能力

1．2．3 光网络的故障监测机制

1．3 光网络告警相关性分析

1．4 本文主要工作及内容安排

第二章 告警相关性分析

2．1 网络故障与告警

2．2 告警相关性分析

2．2．1 告警相关性定义

2．2．2 告警相关性类型

2．2．3 告警相关性分析的研究现状

2．3 告警关联规则挖掘

2．3．1 关联规则定义

2．3．2 关联规则挖掘任务

2．3．3 关联规则挖掘算法

2．3．4 告警关联规则挖掘

2．4 加权关联规则挖掘

2．4．1 加权的引入

2．4．2 权值确定算法

2．5 本章小结

第三章 基于小波变换的链路故障监测机制

3．1 研究背景

3．2 小波变换故障监测模型

3．2．1 小波变换分类

3．2．2 小波变换奇异性监测原理

3．2．3 小波基函数的选取

3．3 小波变换故障监测算法

3．3．1 监测周期

3．3．2 故障监测算法

3．4 算法结果与仿真分析

3．4．1 算法性能评价指标

3．4．2 仿真结果分析

3．5 本章小结

第四章 基于小波神经网络的告警关联规则挖掘算法

4．1 研究背景

4．2 小波神经网络告警加权模型

4．2．1 小波神经网络模型

4．2．2 小波神经网络训练算法

4．3 告警加权关联规则挖掘算法

4．3．1 权值确定

4．3．2 加权关联规则挖掘

4．3．3 挖掘算法步骤

4．4 算法结果与仿真分析

4．4．1 算法性能指标

4．4．2 仿真结果分析

4．5 本章小结

第五章 全文总结及未来工作安排

5．1 全文总结

5．2 未来工作安排

致谢

参考文献

附录 攻读硕士学位期间从事的科研工作