压缩感知的多参数链路故障定位算法

Ａｂｓ ｔ ｒ ａ ｃ ｔ ：Ｔｏ ｉ ｍ ｐｒ ｏ ｖｅ ｔ ｈｅ ｐｅ ｒ ｆ ｏ ｒ ｍ ａｎｃ ｅ ａｎｄ ｄｅ ｃ ｒ ｅ ａｓ ｅ ｔ ｈ ｅ ｃ ｏ ｎｓ ｔ ｒ ａ ｉ ｎ ｔ ｓ ｏｆ ｆ ａ ｕｌ ｔ ｌ ｏｃ ａ ｌ ｉ ｚ ａ ｔ ｉ ｏｎ ｗｉ ｔ ｈ ｓ ｉ ｎ ｇｌ ｅ ｄｉ ｓ ｔ ｉ ｎｇ ｕｉ ｓ ｈ
Ｐｏ ｓ ｔ ｓ ａ ｎ ｄ Ｔ ｅ ｌ ｅ ｃ ｏ ｍｍｕ ｎ ｉ ｃ ａ ｔ ｉ ｏ ｎ ， Ｃ ｈ ｏ ｎ ｇ ｑ ｉ ｎ ｇ ４ ０ ０ ０ ６ ５ ， Ｃ ｈ ｉ ｎ ａ ）
（ Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆ Ｃ ｏ ｍｐ ｕ ｔ ｅ ｒ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ， Ｃ ｈ ｏ ｎ ｇ ｑ ｉ ｎ ｇ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｃ ｈ ｏ ｎ ｇ ｑ ｉ ｎ ｇ ４ ０ ０ ０ ３ ０ ， Ｃ ｈ ｉ ｎ ａ ）
的多 参 数 链 路 故 障 定位 算 法 。该 算 法 首 先利 用 贝 叶斯 网络 进行 快速 故障 预 测 ，其 次 引入 参 数 故 障 覆 盖 范 围 ，利 用 压
缩感知进行故障筛选 ，最后定义参 数故 障信息熵差完成根源 故障定位 。仿真结果表 明，该算法预测 出的故障集合具 有可压缩性 ，筛选后的故障集合保留 了真实故障，定位时具有较高的故障检测率和较低的故障误检 率。 关键词：压缩感知 ；故障定位；贝叶斯网络 ；信息熵
压缩感知 的多参数链路故障定位 算法
王 汝 言 吴 晴 熊 余① ② 谢 雨
重庆
赵 莹①
４ ０ ０ ０ ６ ５ １
ｆ 重庆邮 电大学重庆 市光 纤通信技术重点实验 室
（ 重庆 大学计算机 学院
摘
重庆 ４ ０ ０ ０ ３ ０ ）
要：为了提 高故障定位性能，降低单－ＮＮ参数在单位过程 中的约束，该文提出一种 基于压缩感知和信息熵差
Ｗａ ｎ ｇ Ｒｕ — ｙ ａ ｎ ① Ｗｕ Ｑｉ ｎ ｇ ① Ｘ ｉ ｏ ｎ ｇ Ｙ ｕ ① ② Ｘｉ ｅ Ｙ ｕ ① Ｚ ｈ ａ ｏ Ｙｉ ｎ ｇ ①
‘ （ Ｃ ｈ ｏ ｎ ｇ ｑ ｉ ｎ ｇ Ｋｅ ｙ Ｌ ａ ｂ ｏ ｒ ａ ｔ ｏ ｒ ｙ ｏ ｆ Ｏ ｐ ｔ ｉ ｃ ａ ｌ Ｆ ｉ ｂ ｅ ｒ Ｃ ｏ ｍｍｕ ｎ ｉ ｃ ａ ｔ ｉ ｏ ｎ ， Ｃ ｈ ｏ ｎ ｇ ｑ ｉ ｎ ９ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ
中图分类号： Ｔ Ｎ ９ １ ５
ＤＯ Ｉ ： １ ０ ． ３ ７ ２ ４ ／ Ｓ Ｐ ． Ｊ ． １ １ ４ ６ ． ２ ０ １ ３ ． ０ ０ ２ ６ ５
文献标识码： Ａ
文章编号：１ ０ ０ ９ — ５ ８ ９ ６ （ ２ ０ １ ３ ） １ １ — ２ ５ ９ ６ － ０ ６
Ｍ ｕｌ ｔ ｉ — ｐ ａ ｒ ａ ｍｅ ｔ ｅ ｒ ｓ Ｌｉ ｎ ｋ Ｆ ａ ｉ ｌ ｕ ｒ ｅ Ｌｏ ｃ ａ ｌ ｉ ｚ ａ ｔ ｉ ｏ ｎ Ａｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ Ｂａ ｓ ｅ ｄ Ｏ ｉ ｌ Ｃｏ ｍｐ ｒ ｅ ｓ ｓ ｉ ｖ ｅ Ｓ ｅ ｎ ｓ ｉ ｎｇ
第３ ５ 卷第 １ １ 期 ２ ０ １ ３ 年１ １ 月
电子与源自信息学报
Ｖｏ １ ． ３ ５ Ｎｏ． １ １
ＮＯ Ｖ．２ ０１ ３
Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆ Ｅｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ ｓ＆ Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ
ｐ ａ ｒ ａ ｍｅ ｔ ｅ ｒ ， ａ ｎ ｍｌ ｔ ｉ — ｐ ａ ｒ ａ ｍｅ ｔ ｅ ｒ ｓ ｌ ｉ ｎ ｋ ｆ ａ ｉ ｌ ｕ ｒ ｅ ｌ ｏ ｃ ａ ｌ ｉ ｚ ａ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｉ ｓ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｃ ｏ ｍｐ ｒ ｅ ｓ ｓ ｉ ｖ ｅ ｓ ｅ ｎ ｓ ｉ ｎ ｇ ａ ｎ ｄ ｅ ｎ ｔ ｒ ｏ ｐ ｙ ｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｃ ｅ ．Ｆｉ ｒ ｓ ｔ ｌ ｙ ｉ ｔ ｍａ ｋ ｅ ｓ ａ ｆ ａ ｓ ｔ ｆ ａ ｕ ｌ ｔ ｐ ｒ ｅ ｄ ｉ ｃ ｔ ｉ ｏ ｎ ｂ ｙ Ｂａ ｙ ｅ ｓ ｉ ａ ｎ ｎ ｅ ｔ ｗｏ ｒ ｋ ，ｔ ｈ ｅ ｎ ｉ ｔ ｉ ｎ ｔ ｒ ｏ ｄ ｕ ｃ ｅ ｓ ａ ｐ ａ ｒ ａ ｍｅ ｔ ｅ ｒ ｎ ａ ｍｅ ｄ ｆ ａ ｕ ｌ ｔ ｃ ｏ ｖ ｅ ｒ ａ ｇ ｅ ａ ｎ ｄ ｓ ｅ ｌ ｅ ｃ ｔ ｓ ｐ ｒ ｏ ｂ ａ ｂ ｌ ｅ ｌ ｉ ｎ ｋ ｆ ａ ｉ ｌ ｕ ｒ ｅ ｕ ｓ ｉ ｎ ｇ ｃ ｏ ｍｐ ｒ ｅ ｓ ｓ ｉ ｖ ｅ ｓ ｅ ｎ ｓ ｉ ｎ ｇ ， ｉ ｆ ｎ ａ ｌ ｌ ｙ ｄ ｅ ｉ ｆ ｎ ｅ ｓ ｆ ａ ｕ ｌ ｔ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ｅ ｎ ｔ ｒ ｏ ｐ ｙ ｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｃ ｅ ａ ｎ ｄ ｏ ｂ ｔ ａ ｉ ｎ ｓ ｔ ｈ ｅ ｒ ｏ ｏ ｔ ｆ ａ ｕ ｌ ｔ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｔ ｈ ｅ ｐａ ｒ ａ ｍｅ ｔ ｅ ｒ ．Ｔｈｅ ｓ ｉ ｍｕ ｌ ａ ｔ ｉ ｏ ｎ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｓ ｈ ｏ ｗ ｔ ｈ ａ ｔ ｔ ｈ ｅ ｐ ｒ ｅ ｄ ｉ ｃ ｔ ｅ ｄ ｆ ａ ｕ ｌ ｔ ｓ ｅ ｔ ｃ ａ ｎ ｂ ｅ ｃ ｏ ｍｐ ｒ ｅ ｓ ｓ ｅ ｄ ａ ｎ ｄ ｔ ｈ ｅ ｓ ｅ ｌ ｅ ｃ ｔ ｅ ｄ ｐ ｒ ｏ ｂ ａ ｂ ｌ ｅ ｆ ａ ｕ ｌ ｔ ｓ ｅ ｔ ｃ ｏ ｎ ｔ ａ ｉ ｎ ｓ ｔ ｈ ｅ ｔ ｒ ｕ ｅ ｆ ａ ｕ ｌ ｔ ， ｍｅ ａ ｎ ｗｈ ｉ ｌ ｅ ｔ ｈ ｅ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ａ ｃ ｈｉ ｅ ｖ ｅ ｓ ｈ ｉ ｇ ｈ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ｒ ａ ｔ ｅ ａ ｎ ｄ ｌ ｏ ｗ ｆ ａ ｌ ｓ ｅ ｐ ｏ ｓ ｉ ｔ ｉ ｖ ｅ ｒ ａ ｔ ｅ ．