黄亮

摘要：光通信状态识别是“以一识多”的途径．传统的识别方法无法对光通信状态进行高效率、高精度的识别描述，导致出现识别结果有误差、识别精确度低等问题。为了处理不同识别情景，有效减少识别弊端，需以云计算平台为基础，设计光通信状态识别系统。文章具体分析了光通信状态识别的现状，找出导致识别不理想的原因，在光通信信号中找出识别的特征，全面构建云计算平台，从各个节点入手，实现了光通信状态的识别．

关键词：云计算平台：光通信状态：状态识别系统：设计实现

中图分类号：TP18；TP393

文献标志码：A

0 引言

与其他通信技术相比，光通信技术的环境适应能力更强，处理速度更快，抗外界干扰能力更强。随着光通信技术的持续发展，光通信技术在各个行业领域都取得了一定的成绩。但是，医疗领域、信息采集领域、军事领域的光通信状态识别并不完善，要想解决客观问题并降低识别误差，就要以网络数据平台为基础，设计光通信状态识别系统，从光通信状态的信号采集中提取其特点，并通过网络数据平台中由中心节点控制多个节点，用支持向量机来控制节点，从而实现对光通信状态的识别经过测试，基于云计算平台下的光通信状态识别是一种正确率高、速度快的识别方法。

1 基于云计算平台的光通信状态识别系统设计

1.1 工作原理及特征

随着数据的不断产生，不同行业、不同领域的数据已经呈现直线上升的趋势，这也表明如今已经全面进入大数据时代。在此背景下，如果还是沿用传统的数据处理技术，受电子器件尺寸和处理器制作丁艺的影响，数据处理的速度很难突破瓶颈以达到客观要求[1-2]。在互联网飞速发展的背景下，云计算平台可以组合排列多个地理位置上的分散节点，并采用其分散式管理的技术，将这些节点组合成一个大的系统，进而加快处理数据的速度、提升处理数据的能力。云计算平台主要是将一个大的任务划分成为若干个小的片段，并且根据不同片段的情况依次处理，从而节省了大任务全面处理的时间，也降低了处理的难度．工作原理如图1所示。

在云计算平台中，通过光通信状态识别同步进行多个节点的处理，能够更有效地提升光通信状态识别数据的速度，识别特征步骤如下：（1）借助专项工具，对光通信状态信号进行采集。（2）选择小波变换形态，以多尺度方式分解光通信状态信号，获取的信号为不同幅度下的表现[3]。（3）对数据能量特征进行统一化。

1.2 工作步骤及设计

在光通信状态识别的数据挖掘技术中，支持向量机和二乘向量机都属于机器处理数据的范畴，其中，后者的学习速度快于前者，但是学习精确度比较低，光通信状态识别这一类型存在建设难度，所以识别以向量机为主，对其进行研究。

在支持向量机识别中引入函数数据处理，处理数据和识别状态的效率得到大幅提升，并为光通信状态识别提供了分类机器处理的支持。在云计算平台下，光通信状态识别的程序如下：（1）采取光通信状态识别中的信号，并去除信号中的噪声[4]。（2）针对已经去除噪声后的光通信信号进行进一步的分解处理，从中提取出光通信信号的特点。（3）在光通信状态信号中，支持向量机的输入这一特征，会输出相对应的类型，借助支持向量机的研究，掌握光通信状态信号，并进行构建。

2 光通信状态识别的案例

2.1 云计算平台的搭建

在进行实例实验的过程中，需要搭建一个云计算平台，该平台拥有多节点特征，结构为一个中心节点、多个工作节点。其中，中心节点管理工作节点，这样一来，通过有效的管理能够更好地协调各节点的工作，也能让各个节点的资源得到充分利用，从而保障每一个节点工作的均衡性[5]。

2.2 光通信状态信号的来源

光通信状态识别优势和效果的判定可以采用云计算平台进行全面的测试，光通信状态识别为主要测试手段，包括K近邻方法和BP神经网络方法，在云计算平台中，这两种方法对拒识率、正确率、误识率进行有效的测试[6]。

在测试过程中，针对测试目标，可以以光通信状态信号为主，并将其分为多个种类，包括正确光通信状态、异常通信状态。其中，异常状态主要为信号中断、非法入侵、非法攻击以及干扰等状态[7]。其中，正常光通信状态编号为1；异常光通信状态編号为2-5。

2.3 光通信状态识别的效果

差异性光通信状态下的识别效果如图2所示。

全方位分析图2可知：（1）BP神经网络方法下的光通信状态识别效果显著，识别正确率有所提高，而且光通信状态识别中出现的误差情况明显减少，但是从整体上来看，与普通实验效果相比，光通信状态识别在BP神经网络这一模式下，结果存在很大的差距[8]。（2）在K近邻方法下，识别结果存在问题，无法准确判断各种光通信状态，最终识别的结果与实际情况还是存在误差，并且根本无法描述不同状态之间的关系和区别，导致识别过程存在很大的局限性，无法应用到光通信状态识别管理中[9]。（3）无论是哪种光通信状态识别方法，云计算平台下的状态识别效果肯定是最好的，因为这种识别模式在很大程度上降低了识别误差，能够高精确度地识别各种光通信状态，并且识别正确率较高[10]。

2.4 光通信状态识别的效率

在单机平台和云计算平台下，为了测试两者的光通信状态识别效果，分别测试在两种平台下的光通信状态识别时间，识别情况如图3所示。

基于这两种平台，比较识别时间发现，单机平台下识别时间更长，云计算平台下则较短，而且识别效率也更高，能够在很大程度上满足光通信状态下信号识别和状态建模的要求，从而最大限度地提高光通信状态识别的价值。

3 结语

光通信状态识别是当前光学领域中的研究热点。在传统的光识别方法下，光通信状态识别误差等问题突出。为了全面提高光通信状态的识别效率和效果，本研究基于云计算平台，设计了光通信状态识别系统。本文设计的系统相比于传统的识别方法，在云计算平台下的光通信状态识别系统能够有效缩短识别时间并加快识别速度，识别精确度更高，在实际的光通信状态识别过程中，还能够降低误识率和拒识率，应用效果和前景非常理想。

参考文献

[1]任静．基于Hadoop云计算环境下人脸识别系统的研究与实现[J]．电子设计工程，2019（5）：116-120.

[2]杜博．云计算环境下的智能电网光通信网络安全的研究[J]．自动化与仪器仪表，2018（1）：19-22，26.

[3]杨凤霞．云计算环境下的智能电网光通信网络路由算法[J]．自动化与仪器仪表，2017（ 9）：24-27．

[4]李燕，董倩，段丽英．基于云计算的光通信系统状态模式识别研究[J]。激光杂志，2021（5）：88-91．

[5]陈静，丁学文，荣秀婷，等．基于云计算和光通信网络下智能电网信息模型的建立[J]．自动化与仪器仪表，2017（4）：181-184．

[6]苏志军，李澎林．云计算激光通信数据均衡存储技术[J]．激光杂志，2018（8）：82-87．

[7]宋卓夫．云计算背景下的智能电网光通信网络安全探讨[J]．缔客世界，2020（5）：16．

[8]杨凤霞．云计算环境下的智能电网光通信网络路由算法[J]．自动化仪器仪表2017（9）：21-27．

[9]李明，张引发，任帅，等．面向云计算的下一代光网络技术研究进展[J]．激光与光电子学进展，2015（ 7）：22-30.

[10]张莉．新时期物联网发展中光通信技术的应用分析[J]．通讯世界，2019（7）：87-88．

（编辑李春燕）