论文部分内容阅读
如何降低故障对业务的影响,提高波分复用(Wavelength Division Multiplexing,WDM)网络的生存性,是网络管理面临的重要挑战。快速准确的故障定位是网络生存性技术实现的前提,是近年来研究的热点和重点。本文主要研究了不确定性网络故障定位技术,利用贝叶斯网络对故障与告警征兆间的不确定性关系进行建模,设计严密准确的推理算法,以降低定位资源开销和提高定位性能为目标,实现光网络中高精度的快速故障定位。
在不确定性网络故障定位技术研究中,优化故障传播模型和不确定性推理方法,可以降低计算复杂度,提高故障定位性能。本文提出了一种基于贝叶斯征兆解释度的链路故障定位算法,该算法采用简化贝叶斯网络模型作为故障传播模型,对网络中的链路故障和告警征兆间的不确定性因果关系进行准确的建模。并在此基础上,定义参数贝叶斯征兆解释度,更全面地表达了链路故障与征兆之间的关系。最后,利用该参数进行故障判定,实现了链路故障定位。由于使用简化贝叶斯网络模型和基于业务状态产生的告警,该算法具有较低的计算复杂度和较小的定位资源开销。同时仿真表明,所提算法具有更高的故障检测率和较低的故障误检率。
最大故障集合由与网络中所有告警征兆相对应的故障组成。故障定位就是从最大故障集合中挑选出一个能解释所有告警的最小故障集的过程。在不确定性网络故障定位的过程中,降低冗余故障对故障判定的影响,能有效地提高故障定位性能。因此,本文提出了一种双参数筛选判定的WDM网络链路故障定位算法。该算法创新性地将故障定位过程细分为故障预测、故障筛选和故障定位三个阶段。在预测阶段使用简化的贝叶斯网络模型二分图,根据收集到的告警征兆集合,快速预测出最大故障集合。在筛选阶段,引入参数覆盖范围表示故障发生的可能性,设定阈值以保留较大参数值对应的故障,实现了对最大可能故障集合的处理,完成了故障筛选,减小了冗余故障对故障定位的影响。在定位阶段,定义了新的参数故障信息熵差,并依据该参数实现了故障的判定。仿真结果表明,该算法在不同随机网络中能稳定地表现出较高故障检测率,且很大程度地降低了故障误检率。