买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京奥普维尔科技有限公司申请的专利一种光通信网络的测试方法、装置及设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120785424B 。

龙图腾网通过国家知识产权局官网在2026-01-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511076776.6，技术领域涉及：H04B10/079；该发明授权一种光通信网络的测试方法、装置及设备是由蒋贺雷;李博;刘伟;左向东;张先玉;敬林江;杨杰;柳健;周乐;刘培显;夏哲学;王芳;王澍;肖万山;赵新拓;丁剑;邓亮;黄垚鑫;泰沙沙;罗雪娇;袁纯;李景州;曾维勤;朱天全;鲍胜青;颜小华设计研发完成，并于2025-08-01向国家知识产权局提交的专利申请。

本一种光通信网络的测试方法、装置及设备在说明书摘要公布了：本发明提供了一种光通信网络的测试方法、装置及设备，属于光通信测试技术领域，解决了光通信网络测试效度低的问题。该方法包括：获取测试指令；根据测试指令，确定与所述测试指令匹配的光通信网络的至少一个目标测试类型；根据所述目标测试类型调用目标测试模块的当前测试脚本，对当前光通信网络的数据进行测试，得到测试数据；将所述测试数据输入光通信网络智能测试分析模型进行测试数据分析，生成测试报告；根据目标测试模块的当前测试脚本以及所述测试报告优化所述目标测试模块的测试脚本，得到优化后的测试脚本；将所述优化后的测试脚本反馈至所述目标测试模块。该方案提高了光通信网络的测试效率。

本发明授权一种光通信网络的测试方法、装置及设备在权利要求书中公布了：1.一种光通信网络的测试方法，其特征在于，包括： 获取测试指令； 根据测试指令，确定与所述测试指令匹配的光通信网络的至少一个目标测试类型； 根据所述目标测试类型调用目标测试模块的当前测试脚本，对当前光通信网络的数据进行测试，得到测试数据； 将所述测试数据输入光通信网络智能测试分析模型进行测试数据分析，生成测试报告； 根据目标测试模块的当前测试脚本以及所述测试报告优化所述目标测试模块的测试脚本，得到优化后的测试脚本； 将所述优化后的测试脚本反馈至所述目标测试模块； 其中，根据测试指令，确定与所述测试指令匹配的光通信网络的至少一个目标测试类型，包括： 根据测试指令进行解析，确定与所述测试指令匹配的光通信网络的链路维护测试类型、传输网测试类型或者数据网测试类型；所述解析过程包括识别指令中包含的关键信息； 其中，根据所述目标测试类型调用目标测试模块的当前测试脚本，对当前光通信网络的数据进行测试，得到测试数据，包括： 根据所述目标测试类型，通过业务测试接口调用目标测试模块的当前测试脚本，对当前光通信网络的数据进行测试，得到测试数据；所述目标测试模块包括：链路维护测试类型匹配的光纤链路性能测试模块、与传输网测试类型匹配的传输业务性能测试模块或者与数据网测试类型匹配的数据业务性能测试模块； 其中，调用目标测试模块的当前测试脚本，对当前光通信网络的数据进行测试，得到测试数据，包括： 调用光纤链路性能测试模块的当前测试脚本，对光纤链路上的不同波长和或不同频率光信号进行测试，得到第一测试数据； 调用传输业务性能测试模块的当前测试脚本，对传输业务路径性能进行测试，得到第二测试数据； 调用数据业务性能测试模块的当前测试脚本，对数据业务路径性能进行测试，得到第三测试数据； 其中，根据目标测试模块的当前测试脚本以及所述测试报告优化所述目标测试模块的测试脚本，得到优化后的测试脚本包括： 生成一测试实例； 通过测试实例运行所述当前测试脚本，得到中间测试结果； 将所述中间测试结果与所述测试报告中的测试结果进行对比，确定测试奖励； 根据所述测试奖励优化所述测试脚本，得到优化后的测试脚本； 其中，生成一测试实例，包括： 根据光通信网络的特性、实际应用场景以及过往测试中暴露的问题生成对应的测试实例，所述测试实例主要包含输入数据、测试环境和预期输出中的至少一个，其中，输入数据是模拟的光信号数据，包括信号的强度、频率和相位中的至少一个；测试环境是模拟光通信网络的实际运行环境，包括网络拓扑结构、设备配置和噪声干扰水平中的至少一个；预期输出是基于理论模型和经验预估的网络性能指标，包括误码率、信噪比和传输速率中的至少一个； 其中，通过测试实例运行所述当前测试脚本，得到中间测试结果，包括： 测试脚本按照预设的逻辑和流程对测试实例进行处理，包括：读取测试实例中的输入数据；根据测试需求对数据进行预处理，包括信号调制、解调和滤波；脚本模拟光信号在网络中的传输过程；脚本对传输后的信号进行检测和分析，计算出各种性能指标，包括误码率和眼图质量的中间测试结果； 其中，将所述中间测试结果与所述测试报告中的测试结果进行对比，确定测试奖励，包括： 采用定量对比，计算中间测试结果与测试报告中测试结果之间的差异，根据对比结果，按照预先设定的规则确定测试奖励；如果中间测试结果优于测试报告中的测试结果，说明测试脚本在当前测试实例下表现良好，给予较高的奖励；反之，如果中间测试结果较差，则给予较低的奖励或惩罚；奖励的形式设置为数值化的分数或等级评定； 其中，根据所述测试奖励优化所述测试脚本，得到优化后的测试脚本，包括： 基于强化学习中的Q学习算法，通过智能体与环境的交互，调整Q网络的参数和策略模型，以实现测试脚本的优化，具体包括：随机设定Q网络的初始参数，并初始化策略模型：智能体根据当前状态采取动作，生成新的测试数据并执行测试；动作包括调整测试脚本中的参数、改变测试策略；执行测试后，根据环境返回的测试结果和环境响应，计算奖励并观测到新的状态；智能体通过经验回放从存储的历史经验中随机采样一批数据，根据，计算Q值，更新Q网络的参数与策略模型；其中，表示在当前状态下采取动作的期望回报；状态代表测试数据及其相应的特征，动作表示对这个测试数据进行判定，是否具有参考性、代表性，从而选择是否将其加入案例库中；是设定的学习率，α∈[0,1]；r是执行动作后环境返回的单步奖励值；是折扣因子，表示未来奖励对当前值的影响程度，∈[0,1；表示下一个动作的最大值；s′是执行动作后环境转移到的新状态； 根据，衡量预测的值与目标值之间的差异；其中，L表示总的损失或误差；N表示样本的总数；表示第个样本的目标值；表示当前状态；表示动作；表示神经网络的权重参数；表示模型对第i个样本的预测值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京奥普维尔科技有限公司，其通讯地址为：100080 北京市海淀区信息路28号6层A座-1445号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。