书名：数字孪生光网络
定价：89.8
ISBN：9787115652195
作者：王丹石 宋裕琛 张民 黄善国
版次：第1版
出版时间：2025-01

内容提要：
本书介绍了快速发展的数字孪生光网络技术，主要内容包括数字孪生光网络框架、实时泛在感知、快速可靠光纤信道模型、*放大器模型、光传输质量建模、智能化多维管控、数字孪生光网络的现网验证和智能化发展。 本书适合光纤通信与光网络领域的工程技术人员，以及高等学校通信工程、光学工程、电子科学与技术等相关专业的师生阅读和参考。



作者简介：
王丹石 北京邮电大学电子工程学院、信息光子学与光通信*重点实验室副教授、博士生导师。长期致力于人工智能与光通信交叉融合技术研究，主要研究方向包括人工智能驱动的数字孪生光网络关键技术、物理数据混合驱动的光纤光学科学计算，以及大模型增强的自智光网络等。在OFC、ECOC等国际学术会议上完成特邀报告20余次，以*/通信作者身份在SCI收录期刊上发表论文60余篇。入选北京市科技新星计划和全球2%*科学家榜单，以*完成人身份获得北京市自然科学奖二等奖、中国发明协会发明创业奖创新奖一等奖，获中国人工智能学会“吴文俊人工智能*青年奖”、中国电子学会*科技工作者、中国产学研合作创新奖（个人）等荣誉。 宋裕琛 北京邮电大学电子工程学院博士研究生。主要研究方向包含宽波段光传输系统建模与优化、数字孪生光网络现网部署与应用，以及物理信息深度学习光网络建模与识别技术等。以*作者身份发表论文十余篇。 张民 北京邮电大学电子工程学院教授、博士生导师，信息光子学与光通信*重点实验室副主任。主要从事智能光联网、智能感知与监测、无线光通信方向的科学研究，牵头承担国家重点研发计划项目、国家自然科学基金项目、863计划项目等*项目十余项。入选*新世纪*人才支持计划，入选北京市科技新星计划，获得*科技进步奖二等奖、中国通信学会科学技术奖一等奖、*技术发明奖二等奖、中国光学工程学会创新技术奖二等奖、江西省科技进步奖一等奖、中国人工智能学会“吴文俊人工智能科学技术奖”二等奖，以及霍英东教育基金会高等院校青年教师奖等，并被评为北京市师德先锋。 黄善国 北京邮电大学电子工程学院教授、博士生导师，信息光子学与光通信*重点实验室主任。国家杰出青年科学基金获得者，享受国务院政府特殊津贴*。目前主要研究方向为多维光交换与光网络理论与技术，包括大规模智能光交换与数据光网络、传输网规划与优化、地空天空间光交换与组网等。先后主持十余项*科研项目，包括国家重点研发计划项目、国家自然科学基金重点国际（地区）合作研究项目，863计划、973计划合作课题等，并主持多项业界重要研究机构和企业的横向合作项目。以*完成人身份获得中国电子学会技术发明奖、科技进步奖一等奖和中国产学研合作创新成果一等奖等。获国家自然科学基金*青年科学基金项目支持，曾入选*新世纪*人才支持计划、北京市科技新星计划和北京高校青年英才。

目录：
目 录
第 1章 绪论 1
1.1 研究背景与意义 1
1.2 国内外研究现状 3
1.2.1 光纤通信实时性能监控与数据采集 4
1.2.2 光纤传输系统建模方法研究现状 4
1.2.3 光纤传输系统损伤补偿算法研究现状 5
1.2.4 光纤传输系统自动控制技术研究现状 6
1.3 本书内容和结构安排 7
参考文献 8
第 2章 数字孪生光网络框架 11
2.1 数字孪生技术简介 11
2.2 数字孪生光网络闭环架构 12
参考文献 16
第3章 实时泛在感知 18
3.1 引言 18
3.2 基于图像识别的智能化光性能监测 18
3.2.1 基于机器学习的多功能单波长光谱分析与研究 18
3.2.2 基于目标检测的多波长弹性光谱分析技术 20
3.2.3 基于深度学习的星座图物理损伤程度诊断模型 23
3.2.4 基于ADTP和CNN的光信噪比监测仿真系统 28
3.3 基于DSP的光传输功率预估技术 32
3.3.1 PPE的主要应用背景 32
3.3.2 PPE的两种实现方法、常见配置与本质原理 32
3.3.3 PPE的CM算法 34
3.3.4 PPE的MMSE算法 37
3.4 基于物理信息神经网络的系统参数识别 39
3.5 基于导频标签的光学性能监测技术 43
参考文献 46
第4章 快速可靠光纤信道模型 48
4.1 引言 48
4.2 光纤信道传输方程与数值方法 48
4.3 基于数据驱动的光纤信道模型 51
4.3.1 以BiLSTM神经网络为代表的基础神经网络 51
4.3.2 以DeepONet为代表的新型网络结构 59
4.4 物理信息深度学习建模 67
4.4.1 PINN 67
4.4.2 物理信息DeepONet 70
4.4.3 基于PINN的数据与物理混合驱动建模 74
参考文献 79
第5章 *放大器模型 81
5.1 引言 81
5.2 EDFA 82
5.2.1 传统解析及数值方法 82
5.2.2 数据驱动神经网络 86
5.2.3 PINN建模与参数识别 89
5.3 拉曼放大器 95
5.3.1 传统数值方法 95
5.3.2 数据驱动方法 98
5.4 光收发机建模 102
5.5 波长选择开关建模 105
5.5.1 滤波器级联故障效应 105
5.5.2 中心频率偏移效应 107
参考文献 109
第6章 光传输质量建模 111
6.1 引言 111
6.2 光纤信道频域单波功率模型 111
6.2.1 传统数值方法 111
6.2.2 数据驱动方法 113
6.2.3 基于PINN的宽波段单波功率建模 115
6.3 QoT性能建模 118
6.3.1 高斯噪声模型 118
6.3.2 基于神经网络的数据驱动模型 123
6.3.3 网络级建模 127
参考文献 133
第7章 智能化多维管控 135
7.1 引言 135
7.2 光放大器配置 135
7.3 单波功率优化 139
7.3.1 基于自编码器的GSNR优化模型 139
7.3.2 动态网络中GSNR优化模型验证 144
7.4 升级与割接操作 147
7.4.1 光网络升级 147
7.4.2 数字孪生辅助的网络割接 148
7.4.3 割接和冲突检测预演 149
参考文献 150
第8章 数字孪生光网络的现网验证 152
8.1 引言 152
8.2 数字孪生现网部署挑战分析 152
8.2.1 不*的参数识别 154
8.2.2 不理想的设备建模 155
8.2.3 不稳定的状态更新 155
8.3 数字孪生光网络现网部署流程 156
8.4 数字孪生光网络现网结果 157
8.4.1 现网中的C+L波段链路 158
8.4.2 现网中数字孪生光网络的部署 158
8.4.3 现网中使用数字孪生光网络进行试验链路优化 160
参考文献 161
第9章 数字孪生光网络的智能化发展 162
9.1 引言 162
9.2 自然大语言模型与数字孪生光网络管控 162
9.2.1 LLM与自动光网络管控 163
9.2.2 基于LLM的光纤通信系统智能研究助手 166
9.2.3 LLM与数字孪生在自动光网络管控中的协同作用 171
9.3 区块链*相关技术 180
9.3.1 区块链技术 180
9.3.2 数字孪生光网络的*挑战 180
9.3.3 基于区块链的数字孪生光网络架构 181
9.3.4 基于区块链的数字孪生光网络部署方案 183
9.3.5 基于区块链的数字孪生光网络解决方案 184
9.3.6 方案实现 189
参考文献 192