基于多芯光纤的强度调制-直接检测空分复用传输系统凭借其快速成倍地提升传输容量的优势,在数据中心短距光互连中应用潜力巨大。然而,高纤芯密度的多芯光纤引入了新的物理损伤——芯间串扰。在灵活光网络中,芯间串扰会显著恶化传输质量参数,造成误码率的增大,甚至信号中断。同时,串扰在时域与频域中表现出波动特性。在传输强载波的信号时,例如OOK与PAM4,该波动会更加剧烈。因此在空分复用光网络中,急需引入光性能监测技术监测动态串扰,以充分保证服务质量。本论文针对多芯光纤动态串扰监测领域缺乏相关研究的现状,面向实际的空分复用系统,研究了芯间串扰与误码率之间的关系,提出了基于深度学习的动态串扰监测技术与基于多任务神经网络的联合中断检测与串扰监测技术,并利用实验验证了技术方案的可行性。本论文的主要研究成果如下:（1）建立了弱耦合多芯光纤芯间串扰的数学模型,通过对不同时延-波特率积情况的分类讨论,定义了静态平均串扰与动态瞬时串扰,并引出短时平均串扰的概念。通过数学推导,分别得到OOK与PAM4多芯空分复用系统由芯间串扰导致的误码率计算公式,证明了上述两个系统的误码率不仅受芯间短时平均串扰的影响,同时也受芯间串扰的方差值影响。（2）提出了动态串扰监测的技术方案。在接收端使用异步幅度采样技术,得到异步幅度直方图,使用深度神经网络提取异步幅度直方图中的串扰信息,得到相应的动态串扰值。对于OOK系统,监测误差低于0.8d B。对于PAM4系统,利用更复杂的网络模型,监测误差可低于0.4d B。（3）提出了联合中断检测与串扰监测的技术方案。为了避免系统突然出现中断,设计了基于FEC门限判定的预警策略。利用多任务神经网络提取异步幅度直方图中的特征,可以同时输出对应的动态串扰值以及预警等级。对于OOK空分复用系统,监测误差低于0.5d B,同时中断状态的检测准确率高于98%。本文提出并实验验证的基于深度学习的联合中断检测与串扰监测的技术方案准确度高,复杂度低,无需时钟同步,可以实现在线实时监测多芯空分复用系统的动态串扰与中断风险,为实际空分复用系统的稳定传输提供了坚实的运维技术支持。