朱康奇 華楠 李艷和 鄭小平

(1.北京信息科學(xué)與技術(shù)國家研究中心，北京 100084；2.清華大學(xué)電子工程系，北京 100084)

0 引言

5G技術(shù)的成熟與落地使人們對于下一代移動通信技術(shù)有了更高的性能期許和要求。隨著移動通信對帶寬、時(shí)延等需求的不斷提升，以及移動通信蜂窩和單基站覆蓋范圍的不斷變小，光通信網(wǎng)絡(luò)的重要地位在6G時(shí)代將得到更為突出的體現(xiàn)，其性能上限也將成為制約整個(gè)信息網(wǎng)絡(luò)能力進(jìn)一步提升的重大瓶頸。 智能化是當(dāng)前光網(wǎng)絡(luò)發(fā)展的一大趨勢[1]。隨著人工智能技術(shù)的發(fā)展和應(yīng)用領(lǐng)域的增多，將機(jī)器學(xué)習(xí)和光網(wǎng)絡(luò)的智能管控相結(jié)合無疑是一個(gè)絕佳的選擇。與此同時(shí)，數(shù)字孿生技術(shù)也取得了極大的發(fā)展和進(jìn)步。數(shù)字孿生技術(shù)利用采集到的大量數(shù)據(jù)，對一系列物理實(shí)體建模并模擬其行為，將實(shí)體光網(wǎng)絡(luò)映射到數(shù)字世界，同時(shí)利用機(jī)器學(xué)習(xí)算法對數(shù)據(jù)進(jìn)行分析和挖掘，進(jìn)而實(shí)現(xiàn)對實(shí)體光網(wǎng)絡(luò)更好的管控。

1 數(shù)字孿生技術(shù)及其應(yīng)用

1.1 數(shù)字孿生技術(shù)

數(shù)字孿生是物理系統(tǒng)(及其相關(guān)環(huán)境和進(jìn)程)的虛擬表示，通過物理系統(tǒng)和虛擬系統(tǒng)之間的信息交換進(jìn)行更新[2]，它的正常運(yùn)作建立在對所研究的對象精準(zhǔn)感知的基礎(chǔ)之上。

數(shù)字孿生在不同領(lǐng)域中都有著廣泛的應(yīng)用，例如大型建筑或海上鉆井平臺的物理結(jié)構(gòu)可以通過數(shù)字孿生進(jìn)行改進(jìn)[3]；制造業(yè)中的產(chǎn)品從設(shè)計(jì)到制作再到成品，這之間的所有步驟都可以在數(shù)字孿生的輔助下進(jìn)行[4]；汽車具有復(fù)雜的工作系統(tǒng)以及協(xié)同機(jī)制，相應(yīng)的設(shè)計(jì)難度非常大，而數(shù)字孿生的引入可以在汽車設(shè)計(jì)的過程中，既提高車輛性能，又提高生產(chǎn)效率[5]；數(shù)字孿生還有助于設(shè)計(jì)和規(guī)劃結(jié)構(gòu)復(fù)雜、用途多樣的太陽能農(nóng)場[6]；在城市規(guī)劃領(lǐng)域，數(shù)字孿生可以實(shí)時(shí)顯示3D空間數(shù)據(jù)[7]；在醫(yī)院，得益于數(shù)字孿生，患者可以獲得更為優(yōu)質(zhì)的醫(yī)療保健服務(wù)，醫(yī)生們則可以根據(jù)傳感器生成的數(shù)據(jù)來追蹤患者的各項(xiàng)健康指標(biāo)，進(jìn)而做出更精準(zhǔn)的判斷[8]；在科研院所，科研人員可以利用數(shù)字孿生系統(tǒng)生成的大量數(shù)據(jù)進(jìn)行更為全面和深入的研究，并據(jù)此對試驗(yàn)進(jìn)行優(yōu)化，實(shí)現(xiàn)更高效的方案設(shè)計(jì)。

數(shù)字孿生技術(shù)在光通信網(wǎng)絡(luò)的研究和發(fā)展過程中也逐漸顯露出巨大作用。研究人員會在不同節(jié)點(diǎn)裝配上不同功能的感知模塊，如傳感器、光性能監(jiān)測(Optical Performance Monitoring，OPM)模塊，由這些模塊生成的關(guān)于光網(wǎng)絡(luò)性能與運(yùn)行狀態(tài)的數(shù)據(jù)，會被傳送至數(shù)據(jù)處理系統(tǒng)中用于完善數(shù)字孿生所建立的模型[9]，數(shù)字孿生系統(tǒng)也可以借助機(jī)器學(xué)習(xí)算法，基于模型進(jìn)行模擬仿真、性能研究并生成可行的優(yōu)化方案。這些工作的最終目標(biāo)是挖掘虛擬網(wǎng)絡(luò)模型所反映出的實(shí)體網(wǎng)絡(luò)各研究對象之間的深層次聯(lián)系，并將之應(yīng)用于對實(shí)體網(wǎng)絡(luò)的管理和控制。

1.2 數(shù)字孿生與機(jī)器學(xué)習(xí)在光網(wǎng)絡(luò)中的應(yīng)用與潛在問題

近年來針對光網(wǎng)絡(luò)的不同分層均有相應(yīng)的感知技術(shù)被提出，并與機(jī)器學(xué)習(xí)技術(shù)相結(jié)合，開啟初步的應(yīng)用(見圖1)。例如，物理層(光鏈路物理損傷估計(jì)、光放大器控制、物理層安全分析等)[10]、鏈路層(光開關(guān)狀態(tài)感知、端口狀態(tài)感知等)[11]、網(wǎng)絡(luò)層(資源利用率分析、丟包率監(jiān)測、跨域路由計(jì)算等)[12]。這些技術(shù)能夠在特定的場景中給光網(wǎng)絡(luò)帶來一定程度的性能提升，但是它們大多僅工作在單一的場景下，采集特定的數(shù)據(jù)，優(yōu)化單個(gè)的指標(biāo)，適用性和擴(kuò)展性受限。然而，光網(wǎng)絡(luò)各層級之間緊密聯(lián)系，隱含很強(qiáng)的關(guān)聯(lián)性。因此，由于很少或沒有考慮到其他優(yōu)化目標(biāo)，這些相互獨(dú)立的感知技術(shù)往往難以實(shí)現(xiàn)整體網(wǎng)絡(luò)性能的優(yōu)化，甚至?xí)霈F(xiàn)為優(yōu)化一個(gè)指標(biāo)而犧牲其他指標(biāo)性能的情況。其根本原因在于這些獨(dú)立的感知技術(shù)作用在“低維度”，或它們所依賴的感知數(shù)據(jù)本身就是“低維度”的，如同“盲人摸象”，無法獲得“高維度”的數(shù)字孿生并重現(xiàn)完整的真實(shí)網(wǎng)絡(luò)，自然也就難以避免“顧此失彼”的局部優(yōu)化，遑論實(shí)現(xiàn)全局優(yōu)化。

另一個(gè)值得關(guān)注的問題在于機(jī)器學(xué)習(xí)是一種“垃圾進(jìn)，垃圾出”(Garbage In, Garbage Out)的技術(shù)，為了發(fā)揮其真正效力，需要有高質(zhì)量的數(shù)據(jù)集對其進(jìn)行支撐。但是，在實(shí)際的數(shù)據(jù)采集過程中，感知模塊的性能差異以及感知數(shù)據(jù)的傳送、存儲和處理能力均會限制真實(shí)網(wǎng)絡(luò)數(shù)據(jù)采樣的一致性和實(shí)時(shí)性，進(jìn)而破壞數(shù)字孿生的精確性。

隨著數(shù)字孿生技術(shù)的應(yīng)用不斷增多，光網(wǎng)絡(luò)中會有大量數(shù)據(jù)被收集并存儲在數(shù)字孿生系統(tǒng)之中，此時(shí)上述由數(shù)據(jù)采集設(shè)備的差異性和時(shí)間同步誤差帶來的感知數(shù)據(jù)不準(zhǔn)確將會顯著降低網(wǎng)絡(luò)狀態(tài)參數(shù)評估的準(zhǔn)確性，并大幅惡化網(wǎng)絡(luò)性能。

感知數(shù)據(jù)的實(shí)時(shí)性和一致性的影響程度會隨著網(wǎng)絡(luò)規(guī)模的擴(kuò)大和網(wǎng)絡(luò)動態(tài)性的增強(qiáng)而變得愈發(fā)嚴(yán)重。未來的6G光網(wǎng)絡(luò)規(guī)?；蚩蛇_(dá)萬節(jié)點(diǎn)甚至百萬節(jié)點(diǎn)量級，由此帶來的業(yè)務(wù)頻繁拆建、故障頻繁發(fā)生、高度并發(fā)等現(xiàn)象會使整個(gè)網(wǎng)絡(luò)運(yùn)行在一個(gè)亞毫秒甚至微秒級的“高動態(tài)”狀態(tài)。在這種情況下，感知數(shù)據(jù)實(shí)時(shí)性和一致性的不足可導(dǎo)致“數(shù)字孿生”網(wǎng)絡(luò)與實(shí)體網(wǎng)絡(luò)脫節(jié)，進(jìn)而使整個(gè)網(wǎng)絡(luò)失控。

2 光網(wǎng)絡(luò)中數(shù)據(jù)采集問題的數(shù)學(xué)模型

光網(wǎng)絡(luò)數(shù)字孿生系統(tǒng)中存在兩個(gè)典型的數(shù)據(jù)采集問題：失真和噪聲，其產(chǎn)生原因主要有3個(gè)，本文將分別對這3個(gè)原因進(jìn)行分析和建模。

2.1 數(shù)據(jù)采集設(shè)備自身的不足與缺陷

如圖2所示，A表示現(xiàn)實(shí)世界中的光網(wǎng)絡(luò)，設(shè)備要收集的A中的數(shù)據(jù)對應(yīng)函數(shù)g(t)。將數(shù)據(jù)采集設(shè)備采集數(shù)據(jù)的過程看作是對函數(shù)g(t)的變換，對應(yīng)于操作f。最終采集到的數(shù)據(jù)，即變換得到的結(jié)果，為數(shù)字世界中的光網(wǎng)絡(luò)映射B對應(yīng)的函數(shù)h(t)。

圖2 數(shù)字孿生系統(tǒng)中的數(shù)據(jù)采集示意圖

這一過程表示為：

f[g(t)]→h(t)

(1)

顯然，函數(shù)f的精度直接影響采集數(shù)據(jù)的精度，并會進(jìn)一步影響數(shù)字孿生模型的精度。在這種情況下，數(shù)據(jù)采集設(shè)備本身精度不足或存在其他缺陷，引入數(shù)據(jù)采集誤差，是數(shù)據(jù)采集噪聲的一個(gè)來源。

2.2 多設(shè)備采集場景下的不一致性

在分布式多設(shè)備數(shù)據(jù)采集場景中，隨著光網(wǎng)絡(luò)的域間協(xié)作愈發(fā)重要和頻繁，不同節(jié)點(diǎn)或不同域間存在感知信息的海量傳輸。同樣可以使用數(shù)學(xué)表達(dá)式對這一場景進(jìn)行描述：假設(shè)采集對象為g(t)，不同節(jié)點(diǎn)上的采集設(shè)備對應(yīng)不同的操作函數(shù)，如f1，f2，…，fn，它們采集得到的數(shù)據(jù)分別為h1，h2，…，hn，不同的結(jié)果對應(yīng)不同的信息格式或特征。這一過程用數(shù)學(xué)表達(dá)式可表示為：

(2)

在這種情況下，如果感知信息沒有統(tǒng)一的標(biāo)準(zhǔn)或模型，那么不同節(jié)點(diǎn)之間將難以高效協(xié)同。其主要原因在于分析系統(tǒng)往往是針對具有某一特征的感知信息進(jìn)行設(shè)計(jì)的，感知信息和分析系統(tǒng)之間的不匹配將極大地降低系統(tǒng)性能。這種不匹配可以被看作是數(shù)字孿生系統(tǒng)中的一種失真。為了解決數(shù)據(jù)采集不一致的失真問題，一種有效的方式是對分布式數(shù)據(jù)采集設(shè)備進(jìn)行校準(zhǔn)，使其能夠高效協(xié)同工作。

2.3 動態(tài)網(wǎng)絡(luò)中的時(shí)間誤差

在動態(tài)網(wǎng)絡(luò)中，如果采集時(shí)間存在隨機(jī)抖動或整體偏差(分別對應(yīng)采集數(shù)據(jù)的噪聲和失真)，得到的采集數(shù)據(jù)也會有相應(yīng)的誤差，即下式中的Δg：

g(t+Δt)→g(t)+Δg

(3)

造成時(shí)間誤差的主要原因有3個(gè)，分別是傳輸時(shí)延的不對稱、傳輸時(shí)延的變化以及有限的時(shí)鐘分辨率。其中，傳輸時(shí)延不對稱和傳輸時(shí)延變化均可以被補(bǔ)償，補(bǔ)償后的時(shí)間誤差對于納秒級時(shí)間同步系統(tǒng)的影響很小。而第3個(gè)原因——有限的時(shí)鐘分辨率，在時(shí)間同步網(wǎng)絡(luò)中引入的時(shí)間讀數(shù)誤差對于時(shí)間同步精度的影響在時(shí)鐘周期量級(通常在10 ns量級或更高)，并且難以補(bǔ)償。

網(wǎng)絡(luò)中的時(shí)間誤差累積同樣不可忽視。時(shí)間同步誤差沿著同步路徑每經(jīng)過一跳都會累積，兩個(gè)節(jié)點(diǎn)間的同步誤差與鄰居節(jié)點(diǎn)間的同步誤差和這兩節(jié)點(diǎn)間跳數(shù)的均方根成正比[13]。據(jù)此可以推斷，百萬節(jié)點(diǎn)網(wǎng)絡(luò)的時(shí)間同步誤差或比萬節(jié)點(diǎn)網(wǎng)絡(luò)大10倍。此外，通常人們希望地理上相鄰的節(jié)點(diǎn)具有低時(shí)間誤差，但是在實(shí)際應(yīng)用的場景中，地理相鄰的兩個(gè)節(jié)點(diǎn)可能在兩條不同的同步路徑上，并且具有很大的時(shí)間誤差積累。這一現(xiàn)象并不少見，且通常很難甚至無法設(shè)計(jì)出對所有節(jié)點(diǎn)均最優(yōu)的時(shí)間同步路徑樹，尤其對于大型網(wǎng)絡(luò)而言該問題尤為嚴(yán)重。

為了解決時(shí)間抖動與偏差引入的數(shù)據(jù)采集噪聲和失真，需要實(shí)現(xiàn)精確的時(shí)間同步，以盡量減少時(shí)間誤差帶來的不確定性。

3 基于應(yīng)用實(shí)例的特征影響分析及解決方案探討

結(jié)合上述光網(wǎng)絡(luò)數(shù)字孿生數(shù)據(jù)采集模型的特征，從兩大場景出發(fā)，基于應(yīng)用實(shí)例，進(jìn)一步闡述數(shù)據(jù)采集的噪聲與失真對光網(wǎng)絡(luò)數(shù)字孿生系統(tǒng)的影響，并探討相應(yīng)的解決方案。

3.1 數(shù)據(jù)采集不一致性與時(shí)間誤差對光網(wǎng)絡(luò)數(shù)字孿生系統(tǒng)的影響

數(shù)據(jù)采集的噪聲與失真在不同場景下造成的影響各有不同，以下將針對數(shù)據(jù)采集的不一致性與時(shí)間誤差對數(shù)字孿生系統(tǒng)的影響進(jìn)行分析。

3.1.1 數(shù)據(jù)采集不一致性的影響

當(dāng)嘗試構(gòu)建光通信數(shù)字孿生系統(tǒng)時(shí)，明確收集到的數(shù)據(jù)包含哪些信息是非常重要的。光譜作為光信號在頻域的表現(xiàn)形式，承載著光信號和傳輸環(huán)境的大量信息，這些信息會受到不同激光器、調(diào)制器、調(diào)制格式、信號源、二進(jìn)制碼格式和信號速率等因素的影響，可用于對光通信系統(tǒng)的分析，以實(shí)現(xiàn)更好的管理和控制。為了定量描述不同因素引入的差異有多大，引入光譜類間類內(nèi)距離比(Between/Within-Class Distance Ratio，BWCDR)[10]的概念。

當(dāng)存在多設(shè)備光譜數(shù)據(jù)采集不一致的情況下(3種光譜采集設(shè)備，分辨率分別為10 pm、20 pm和50 pm)，不同光信號采集光譜的BWCDR會大幅下降(見圖3)[10]。這個(gè)問題會導(dǎo)致光譜分析的性能急劇惡化，在使用機(jī)器學(xué)習(xí)技術(shù)輔助分析時(shí)受到的影響尤甚。例如，在基于機(jī)器學(xué)習(xí)的光譜識別任務(wù)中，如果測試數(shù)據(jù)與訓(xùn)練數(shù)據(jù)的采集設(shè)備不同，其識別準(zhǔn)確率會從100%下降到12.5%，無法應(yīng)用。

圖3 不同設(shè)備多種分辨率光譜混合后對BWCDR的影響

3.1.2 時(shí)間誤差的影響

在一個(gè)復(fù)雜的網(wǎng)絡(luò)中，不同節(jié)點(diǎn)之間的系統(tǒng)時(shí)間誤差、信令傳輸時(shí)延的變化、時(shí)延抖動等都會導(dǎo)致數(shù)據(jù)獲取或處理的時(shí)間不準(zhǔn)確，從而產(chǎn)生對系統(tǒng)控制有害的噪聲和失真。例如，在弱耦合模分復(fù)用光網(wǎng)絡(luò)的串?dāng)_跟蹤工作中[11]，研究人員利用光功率計(jì)測量被監(jiān)測通道的功率，同時(shí)使用開關(guān)狀態(tài)探測器獲取光開關(guān)的狀態(tài)，并基于光通道功率和開關(guān)狀態(tài)數(shù)據(jù)構(gòu)建深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Network，DNN)。采集到的所有數(shù)據(jù)都將被發(fā)送到串?dāng)_監(jiān)控和數(shù)據(jù)分析服務(wù)器，以供DNN的訓(xùn)練與應(yīng)用，研究結(jié)果如圖4所示[11]。研究人員發(fā)現(xiàn)當(dāng)數(shù)據(jù)采集的時(shí)間誤差從0 s擴(kuò)大到0.5 s時(shí)，串?dāng)_跟蹤的準(zhǔn)確度會從95.6%下降到58.1%。顯然，時(shí)間誤差越大，系統(tǒng)所受到的負(fù)面影響也越大。

圖4 跟蹤精度與時(shí)間誤差

3.2 數(shù)據(jù)采集不一致性與時(shí)間誤差的解決方案

3.2.1 數(shù)據(jù)采集不一致性的解決方案

在當(dāng)今復(fù)雜的網(wǎng)絡(luò)環(huán)境中，不一致的數(shù)據(jù)采集是不可避免的。需要建立一個(gè)統(tǒng)一的信息模型，找到一種實(shí)現(xiàn)自適應(yīng)感知信息校準(zhǔn)的方法，從而消除數(shù)據(jù)的不一致性。

在很多領(lǐng)域都可以發(fā)現(xiàn)這類問題的蹤跡。例如，在化學(xué)工程相關(guān)領(lǐng)域，比較不同實(shí)驗(yàn)室、不同測量設(shè)置所產(chǎn)生的數(shù)據(jù)時(shí)，數(shù)據(jù)不一致性也是一個(gè)普遍存在的問題，而計(jì)量學(xué)家們則提出了以分層貝葉斯模型為代表的統(tǒng)計(jì)方法對數(shù)據(jù)進(jìn)行處理[15]，從而獲得一致的數(shù)據(jù)集。另一方面，空中物聯(lián)網(wǎng)系統(tǒng)由于其對機(jī)動性和觀察、采集、通信能力的高要求，其需要的測量精度要遠(yuǎn)超過普通的商用傳感器；而在高海拔環(huán)境中，環(huán)境因素往往會迅速變化并導(dǎo)致傳感器讀數(shù)發(fā)生極大偏差，針對此問題，有學(xué)者提出了基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)校準(zhǔn)模型，以提高數(shù)據(jù)質(zhì)量[16]。

上述方法所處理的數(shù)據(jù)對象主要為單一維度的數(shù)據(jù)，如某種條件下的某個(gè)讀數(shù)，其適用場景范圍較小，可擴(kuò)展性較差。為了尋求更高維度的感知與處理，所采集的數(shù)據(jù)需要包含更多信息以支撐更全面的分析，而針對不一致的高維數(shù)據(jù)的校準(zhǔn)方案，也更加重要。例如，在光網(wǎng)絡(luò)中光譜便是一個(gè)包含有大量信息的高維研究對象。在基于機(jī)器學(xué)習(xí)的光譜特征校準(zhǔn)方案中(見圖5)[14]，研究者使用標(biāo)準(zhǔn)光譜采集設(shè)備(Spectrum Acquisition Equipment，SAE)來采集標(biāo)準(zhǔn)光譜，作為校準(zhǔn)單元——全連接神經(jīng)網(wǎng)絡(luò)(Fully-Connected Neural Network，F(xiàn)CNN)的目標(biāo)輸出。同時(shí)，大量未校準(zhǔn)的光譜數(shù)據(jù)被未校準(zhǔn)的SAE收集，作為神經(jīng)網(wǎng)絡(luò)的輸入。當(dāng)數(shù)據(jù)集準(zhǔn)備好后，訓(xùn)練FCNN模型使用標(biāo)準(zhǔn)光譜校準(zhǔn)其他光譜，以消除不同的SAE引入的光譜特征差異。在經(jīng)過這種高維校準(zhǔn)處理后，光譜的識別準(zhǔn)確率可獲得大幅提升，使多設(shè)備采集的一致性提升至與單設(shè)備采集相當(dāng)?shù)乃健?/p>

圖5 基于機(jī)器學(xué)習(xí)的光譜特征校準(zhǔn)(MLB-SFC)方案

在可預(yù)期的未來，各領(lǐng)域針對采集數(shù)據(jù)不一致性的研究將相互借鑒，不斷融合，從彼此獨(dú)立的“低維度”感知技術(shù)向更高維度拓展，從而有效地解決這一普遍存在的重要問題，使不同條件、不同系統(tǒng)、不同場景下獲得的數(shù)據(jù)都能夠被有效校準(zhǔn)和高效利用。

3.2.2 時(shí)間誤差的解決方案

當(dāng)前商用網(wǎng)絡(luò)中采用的高精度時(shí)間同步協(xié)議以IEEE 1588為代表，其最新版本為IEEE 1588-2019[17]。在大規(guī)模網(wǎng)絡(luò)中，這一協(xié)議將時(shí)鐘組成多個(gè)高精度時(shí)間同步協(xié)議(Precision Time Protocol，PTP)時(shí)間域，每個(gè)時(shí)間域中的邊界時(shí)鐘都沿著樹狀主從式結(jié)構(gòu)從上一級的主時(shí)鐘獲取時(shí)間，基于雙向鏈路傳輸時(shí)間相等的假設(shè)計(jì)算時(shí)間修正量，最終實(shí)現(xiàn)對時(shí)間誤差的補(bǔ)償。此方法的主要問題在于同步過程中存在時(shí)間誤差累積，在大規(guī)模網(wǎng)絡(luò)中的同步精度提升難度大。同時(shí)，時(shí)間同步精度也嚴(yán)重受限于有限的時(shí)鐘分辨率。提高時(shí)鐘頻率或使用鑒相技術(shù)[18]能夠降低由時(shí)鐘頻率不足引入的時(shí)間誤差，但是在大規(guī)模網(wǎng)絡(luò)中這兩種方法均不可避免使用大量更昂貴的器件，對成本構(gòu)成挑戰(zhàn)。

針對IEEE 1588中存在的時(shí)間誤差累積問題，有學(xué)者提出分布式時(shí)間同步(DTS)方案[19]。不同于IEEE 1588中的主從結(jié)構(gòu)，DTS 將時(shí)鐘組織成網(wǎng)狀對等結(jié)構(gòu)，即每個(gè)節(jié)點(diǎn)的地位是對等的。每個(gè)同步節(jié)點(diǎn)與其所有鄰居節(jié)點(diǎn)交換時(shí)間戳消息，根據(jù)與所有相鄰節(jié)點(diǎn)的平均時(shí)間差計(jì)算自身的時(shí)間修正量。這樣，可以減少時(shí)間誤差累積，同時(shí)提高網(wǎng)絡(luò)出現(xiàn)故障后的生存性。

為了降低由時(shí)鐘頻率不足引入的時(shí)間誤差，進(jìn)一步提高時(shí)間同步精度，低成本雙頻時(shí)間同步技術(shù)被提出[20]。當(dāng)發(fā)送時(shí)鐘和接收時(shí)鐘使用相同的頻率時(shí)，有限的時(shí)鐘分辨率會導(dǎo)致時(shí)間讀取錯(cuò)誤。為了解決這個(gè)問題，筆者提出在從節(jié)點(diǎn)對到達(dá)的時(shí)間同步包引入周期性擾動時(shí)間，以消除多個(gè)同步接收時(shí)間戳錯(cuò)誤的相關(guān)性。為實(shí)現(xiàn)這一效果，筆者提出在主、從節(jié)點(diǎn)分別使用不同頻率的時(shí)鐘。當(dāng)發(fā)送和接收時(shí)鐘工作在不同的頻率時(shí)，時(shí)間同步包到達(dá)時(shí)刻時(shí)間戳的時(shí)間相關(guān)性會被消除，且其相位會在時(shí)鐘周期內(nèi)周期性均勻分布。通過計(jì)算多次測量得到的平均時(shí)間讀數(shù)誤差，就能夠?qū)崿F(xiàn)精準(zhǔn)的時(shí)間同步誤差補(bǔ)償。

相較于數(shù)據(jù)不一致性的校準(zhǔn)工作，時(shí)間同步相關(guān)工作的發(fā)展更為成熟和全面。但是，在面向未來B5G/6G百萬節(jié)點(diǎn)納秒級時(shí)間同步網(wǎng)絡(luò)的需求時(shí)，現(xiàn)有時(shí)間同步網(wǎng)的網(wǎng)絡(luò)體系、協(xié)議、核心技術(shù)、關(guān)鍵模塊和組網(wǎng)技術(shù)等仍需要進(jìn)一步的發(fā)展和提升，以應(yīng)對未來網(wǎng)絡(luò)和數(shù)字孿生系統(tǒng)對傳輸時(shí)延抖動和不對稱性的精確測量和補(bǔ)償、大規(guī)模時(shí)間同步網(wǎng)絡(luò)時(shí)間誤差累積的抑制、大規(guī)模時(shí)間同步網(wǎng)絡(luò)的生存性和快速收斂等方面的更高需求。

4 結(jié)束語

機(jī)器學(xué)習(xí)在當(dāng)今的眾多領(lǐng)域中均被公認(rèn)為一種強(qiáng)大的輔助工具，在它的幫助下，可以利用數(shù)字孿生系統(tǒng)實(shí)現(xiàn)對真實(shí)世界的準(zhǔn)確、高效的管理和控制。在光通信領(lǐng)域，從全光網(wǎng)1.0邁向全光網(wǎng)2.0的進(jìn)程中，數(shù)字孿生也同樣有力地推動了光網(wǎng)絡(luò)的智能化，引領(lǐng)我們走向下一代光網(wǎng)絡(luò)。然而，數(shù)字孿生系統(tǒng)的正常工作依賴于感知數(shù)據(jù)的精確獲取，由于數(shù)據(jù)采集設(shè)備的不一致性以及有限的時(shí)間同步精度，在實(shí)際應(yīng)用中會產(chǎn)生失真與噪聲兩大問題。本文聚焦光通信網(wǎng)絡(luò)分析了這兩大問題的來源，并在此基礎(chǔ)上探討了可能的方法來減小時(shí)間誤差，以及降低數(shù)據(jù)采集不一致性給光網(wǎng)絡(luò)數(shù)字孿生帶來的負(fù)面影響。