基于通信信号本身实现光纤故障检测

薛 欣，闫慧文，易小刚

太原理工大学物理与光电工程学院，山西太原 030024

光纤通信系统因具有高传输率和大传输容量的特点已被广泛使用．人类社会在当前已越来越离不开光纤通信网络．但随着光纤的大量铺设，一旦光纤通信网络出现故障，将会给信息传输造成严重后果．因此，如何简单快速地判断出无源光网中光纤链路故障点的精确位置，以保护网络系统传输的正常运行，一直都是光通信领域的研究热点[1-3]．

光时域反射法是当前诊断光纤链路故障点的主要技术[4-8]．光时域反射仪(optical time domain reflectometry, OTDR)不仅能够检测各种情况光纤故障，还可以检测光信号在光纤传输中的衰减，其在光通信检测领域具有不可替代的作用，常被用于光纤通信的各个环节，如检测新生产光纤光缆的质量；实时监测和长期维护光通信网络的运行状态；辅助光通信中光纤的铺设等．然而采用光时域反射仪检测光纤故障点，在原理上也有诸多缺陷，① 测量的动态范围(测量距离)和空间分辨率(测量精度)这两个重要指标存在原理上的矛盾，越远的测量距离对应越差的位置分辨率，越高的测量精度则只能用于越短的测量距离；② 使用OTDR诊断光纤链路中的故障点需要暂时中断光网络的正常通信业务；③ 光通信网络中的通信信号和光时域反射仪发出的脉冲信号同时在光纤中传输时，会发生受激拉曼散射，影响系统的正常通信业务．为保障光通信网络的正常运转，需要探寻一种成本低、装置简单，且能够实时工作的光纤故障检测方案．

本研究在课题组前期工作[9-13]基础上，提出基于光网络中的通信信号自身检测光纤链路故障点，采用排列熵算法进行数据处理的检测方案．该方案无需借助外部信号且能够实时工作，是一种新的检测方法，可用于时分复用无源光网络和波分复用无源光网络等光接入网系统中．实验中使用的是中兴通讯股份有限公司的ZAX10 C220光终端和长飞光纤光缆有限公司的G652单模光纤等．利用网络传输的通信信号作为检测信号，通过排列熵算法和互相关法探测技术实现光纤故障的精确定位．

1 测量原理

图1为基于通信信号自身实现光纤故障检测的原理图，故障检测单元为虚线框所示，包括光耦合器、光环形器、数据采集单元和算法处理单元．光线路终端(optical line terminal，OLT)把计算机传输的数字电信号转换为光传输信号．光耦合器将光传输信号分为：① 光耦合器分出的绝大部分光信号继续在光路中正常传输，承担着光网络的通信任务(同时也是本方案中的检测信号)； ② 小部分信号作为参考光直接进入数据采集装置．光环形器收集光纤中反射回来以及携带光纤故障点信息的菲涅尔反射信号(反射信号中还包含无用的瑞利散射信号，可视为噪声)．数据采集单元采集上述的原始参考信号和带有故障点信息的反射信号．算法处理单元对采集到的两部分信号做互相关运算，通过分析互相关曲线中互相关峰的位置来定位光纤链路的故障点．

图1 基于通信信号检测光纤断点的原理图Fig.1 Schematic diagram of detecting fiber breakpoints based on communication signals

前期研究证实，完全的随机信号(如光混沌信号)与其反射信号的互相关曲线具有类似δ函数的特征[13]，互相关曲线峰值的位置对应原始信号和反射信号的相对延迟时间，通过这一时间延迟量可进一步推知故障点发生的位置．因此，如何准确判别互相关曲线的峰值位置是本方案实施的关键．本方案中使用的光通信信号并不是完全的随机信号，也包含有周期部分．因为光通信信号与自身反射信号的互相关曲线上除了主峰外还会在两侧出现多个次峰，相邻次峰之间的时间差即为周期信号的周期．这些次峰会严重干扰主峰位置的判别，进而影响测量结果的位置分辨率，需尽可能地剔除．

由距离公式结合互相关曲线上主峰的位置便可定位出光纤链路的故障点位置．假设由光耦合器输出的参考光通信信号为f(t)， 则由光环形器收集到的遇到故障点后反射回的光通信信号为αf(t+τ)．其中，光纤衰减和故障点反射所引起信号衰减的混合系数为α， 参考信号与反射信号之间的延迟时间为τ． 互相关计算为

f(t)⊗αf(t+τ)≈kδ(τ)

(1)

其中，卷积计算标记为⊗；计算后的归一化系数记为k． 由式(1)可知， 在τ位置处互相关曲线会出现互相关反射峰，若定义Dfault为光纤故障点的位置，v为激光在光纤中传播速度(实验所用光通信信号的波长为1 550 nm，其在G652单模光纤中的传播速度为2.045×105km/s)，则

Dfault=vτ/2

(2)

由式(2)可确定光纤故障点的精确位置，由此实现光纤故障定位．

2 实 验

2.1 实验装置

图2为利用通信信号相关法实现光纤故障检测的实验装置示意图．其中，实线框为简单的无源光网络；虚线框为实时监测装置．实验中的OLT为中兴公司的ZAX10 C220型号．该终端后接一个分光比为99∶1的光耦合器．经耦合器1%端口输出的原始通信信号作为参考信号，直接被光电探测器(KG-PT-10G-A, 10 Gbit/s)转化为电信号后进入示波器；耦合器99%端口输出的信号作为探测信号，经由环形器后进入一段长约6 km的单模光纤，而后接到用户单元(optical network unit, ONU)．光通信信号在光纤传输过程中会有后向瑞利散射信号和故障点产生的菲涅尔反射信号．这部分散(反)射信号由环形器收集后导入另外一个相同型号的光电探测器，转换为电信号后输入到示波器．用计算机对示波器采集到的参考信号和探测信号做互相关运算，通过分析互相关曲线的特征可对故障进行精确定位．

图2 基于通信信号检测光纤断点的实验装置示意图Fig.2 Diagram of experimental setup for detecting fiber breakpoint based on communication signal

2.2 通信信号分析

图3为OLT发出通信信号的时序图片段，信号中大致包含点划线左侧以相同规律周期性出现的信号，以及点划线右侧的随机信号．周期信号部分来自光传输网络的通信协议和规范(如网络传输的管理和开销等信息)，随机震荡部分才是通信网络中真正传输的信号，承载有用信息．

图3 通信信号特性Fig.3 Characteristics of the communication signal

3 算法分析及讨论

3.1 初步结果

首先，对故障点检测情况进行验证．实验将长度约为6 km的光纤与用户端ONU连接处的法兰盘松动，以模拟故障的发生，然后进行采集数据，并将采集到的参考信号与探测信号作互相关运算，检测结果见图4．可见，互相关曲线最高峰周围还有很多旁瓣，这些旁瓣会严重干扰测量结果的准确性，导致带有故障点信息的最高互相关峰会淹没在旁瓣中，从而影响故障点的判断．分析得知，这些旁瓣是由通信信号内的周期信号引起，需要找到一种剔除掉这些周期信号的方法．

图4 原始参考信号与原始反射信号的互相关曲线Fig.4 The correlation curve between original reference signal and original reflected signal

3.2 排列熵算法

本研究提出利用排列熵算法提取光网络信号中的随机部分，以压缩互相关曲线中的旁瓣．排列熵算法是度量时域范围内时间序列复杂性的一种算法，其基本原理[14-17]如下．

假设一维时间序列为

X={x(1),x(2),…,x(n)}

(3)

对序列(3)中任意x(i)利用重构维数为m和延迟时间为l的相空间重构法进行重构，得

Xi={x(i),x(i+1),…,

x(i+(m-1)×l)}

(4)

对重构向量Xi各元素进行升序排列得

Xi′={x(i+(j1-1)×l),

x(i+(j2-1)×l), …,

x(i+(jm-1)×l)}

(5)

其中，x(i+(j1-1)×l)≤x(i+(j2-1)×l)≤…≤x(i+(jm-1)×l). 上述排列的方式为

{j1,j2,…,jm}

(6)

对X序列的各种排列进行统计，假定各种排列出现的频率作为概率p1,p2,…,pk(k≤m!)，计算归一化的排列熵为

(7)

其中，H值的大小表示时间序列X(i)的随机程度．时间序列越规则，H值越小；反之，若时间序列越复杂，H值就越大．根据H的变化可以判断出时间序列微小细节的变化．

根据以上分析，若以时长T把采集的时间序列信号分成N段，计算并比较各段排列熵的值．在正常的通信系统中，传输信号中管理和开销部分的H值会很小，而包含真正传输内容通信信号的H值会很大．在H最大值附近为传输的真正信号即随机信号，由此可以提取出通信信号中的随机信号，进而更准确定位光纤链路中的故障位置．

提取随机信号的具体方法如下：

步骤1对采集到的传输信号(如图3)作自相关卷积计算，结果见图5(a)；

图5 排列熵算法提取步骤Fig.5 The step of permutation entropy

步骤2在步骤1得出的互相关曲线中计算相邻相关峰之间的间距，进而确定周期信号的周期T；

步骤3时长为T的整数倍的信号把整体信号分成N段，分别计算各段的排列熵，即H值，得到各段信号的H曲线，如图5(b)；

步骤4若H曲线中存在由小的H值向大的H值突变的一段或多段曲线，则该H曲线可用于提取随机信号，进行步骤5；否则，减小时长返回到步骤3；

步骤5针对步骤3得到的H曲线，比较各突变段的H值，提取一段明显突变的信号，如图5(b)虚线部分所示，对提取的信号做自相关，若结果只有1条主相关峰，如图5(c)，则为最终提取的随机信号；否则减小时长，重复步骤3和步骤4，直到提取到符合前述要求的随机信号．

3.3 算法处理后的结果

利用排列熵算法对前述实验采集的两路信号进行数据处理，将处理后的数据进行互相关运算，结果如图6．由图6(a)可见，旁瓣的数量明显减少．光纤故障点的位置可精确定位，在6.22 km处有一明显反射峰，即为故障点位置．

图6 算法处理后的检测结果图Fig.6 The results of the communication signal after processing by the algorithm

根据相关探测法原理，相关曲线主峰的半高全宽反映了测量方案的位置分辨率[18]，测量峰的宽度由探测信号的带宽、示波器带宽及光电探测器的带宽决定．在示波器和光电探测器带宽一定的情况下，传输信号的带宽越大，分辨率越高，探测精度也就相应提高了．图6(b)是图6(a)的局部放大图．可见，本次测量的半高全宽为15 cm，与商用OTDR(位置分辨率为25～4 000 cm)相比，该测量结果的分辨率更加精确．

对比图4和图6(a)发现，排列熵算法可以明显去除通信信号中的开销信号的影响，提高光纤检测的位置分辨率．

结 语

本研究提出基于通信信号自身来检测光纤链路故障点的方法，以中兴通讯股份有限公司的ZAX10 C220光端机和长飞光纤光缆有限公司的G652单模光纤为实验对象，利用相关探测法进行了实验验证．结果表明，该检测方法能够实现光纤故障的定位．在本方案中，通信信号中的开销信息会严重影响测量结果．为消除开销信号的影响，利用排列熵提取算法对采集到的信号进行处理，通过对比算法处理前后的实验结果，发现此方法有效改善了测量精度，测量结果更加精确．该检测方法的优势是基于光网络中的通信信号自身来检测光纤链路故障点，无需额外添加信号，不需中断正常的通信网络，操作便捷，节约检测成本，为无源光网络光纤故障检测提供新思路．