摘要
光学Benes网络是用于高容量通信系统的有效交换架构。然而，传统的路由算法主要关注连接性，往往忽视路径质量，这会导致在最糟糕的路径上出现严重的传输损失。为了解决这一问题，我们提出了一种智能路由框架，该框架将特征提取模块与K最近邻算法相结合。所提出的方法通过从路由表中进行有效的预处理和特征提取，能够更有效地指导路径选择，避免最糟糕的路由情况。我们通过模拟30 Gbps PAM4传输系统来评估所提出的方法。为了进行性能比较，还采用了传统的路由方法以及支持向量机（SVM）和卷积神经网络（CNN）路由方法。测试结果显示，使用KNN算法时路由精度有了显著提升（从55%提高到72.85%），其性能远优于CNN（52.23%）和SVM（51.06%）方法，同时还是所有测试方法中计算成本最低的（每次迭代仅需0.1–1毫秒）。此外，所提出的方法还能降低功率损耗，提高熄灭比，同时降低符号错误率。通过眼图分析可以确认，在较低的接收功率下，信号的完整性也更好。这些结果表明，经过特征增强的KNN路由算法是一种高效且智能的解决方案，它不仅能确保连接性，还能优化路径质量，为构建可扩展的高速光学Benes网络奠定基础。
