云計算、邊緣計算、物聯(lián)網(wǎng)、虛擬現(xiàn)實、人工智能和5G等新技術的出現(xiàn)導致網(wǎng)絡數(shù)據(jù)爆發(fā)式增長。作為網(wǎng)絡數(shù)據(jù)傳輸最重要的基礎設施之一,光網(wǎng)絡也一直面臨著高帶寬和低時延的發(fā)展需求。近年來,隨著機器學習技術的快速發(fā)展,將機器學習技術引入光網(wǎng)絡中,實現(xiàn)網(wǎng)絡的智能化,成為新的發(fā)展趨勢。本文圍繞“利用先進的機器學習技術進行網(wǎng)絡性能監(jiān)測和資源分配,提高光網(wǎng)絡資源利用率”這一主旨開展了相關研究工作。具體研究內容及創(chuàng)新如下:第一,研究了光傳送網(wǎng)絡中光路傳輸質量（QoT）預測問題。針對鄰近信道的非線性效應的影響,提出了一種基于鏈路—鄰近信道的特征向量表示方法,并與人工神經(jīng)網(wǎng)絡（ANN）算法相結合來預測光路的QoT。仿真表明,這種表示方法與傳統(tǒng)的基于網(wǎng)絡特征參數(shù)的表示方法相比可提高預測精度0.7 dB。為進一步減小訓練過程消耗的時間,提出并驗證了一種具有低計算復雜度的機器學習（ML）方法—極限學習機（ELM）算法,它與ANN具有相同的精度,但其訓練所消耗的時間只有ANN的十分之一。仿真表明,上述基于ML的QoT預測方法還可以用于鏈路級的軟故障檢測和定位。第二,研究了光傳送網(wǎng)絡中的資源分配問題�？紤]到物理層損傷對光... 

【文章來源】：電子科技大學四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：115 頁

【學位級別】：博士

【部分圖文】：

圖１－３?ＰＯＮ網(wǎng)絡組成結構??

?ＷＤＭ－ＰＯＮ）?［１８］?〇??纖＇‘?！?１?！?（＾ＮＧ＾Ｎ??（ＴＤＭ－?Ｊ?＼ＰＯＮ３ｙ??￣１Ｇ?Ｉ?｜?／?ＯＦＤＭ＾＼?Ｉ??ｉ／Ｗ：＼ｉ?Ｉ??＼＼?ＰＯＮ?Ｊ?Ｉ?／ＴＷＤＭ＾Ｎ?Ｉ??Ｘ?！??／?Ｉ?＼?ＥＰＯＮ?／?｜?／?ＤＷＤＭ－＼?１??（ＥＰＯＮ?Ｊ?Ｉ?Ｖ．Ｐ０Ｎ＾?Ｉ??Ｉ?￣１０Ｇ?｜?￣４０Ｇ?｜?－１００Ｇ???：?ＮＧ－ＰＯＮ１?！?ＮＧ－ＰＯＮ２?：?ＮＧ－ＰｖＯＮ３??２００６?｜?２０１０?．?２０１５?Ｉ??圖１－４?ＰＯＮ網(wǎng)絡技術發(fā)展〖１８］??ＰＯＮ網(wǎng)絡物理層技術發(fā)展迅速，給網(wǎng)絡資源管理也提出了更高的要求，合理??的資源分配更能充分的利用物理層資源［１９＿２１］。由于ＰＯＮ網(wǎng)絡上行鏈路是多點對一??點的通信方式，固此存在著競爭。如何進行有效的帶寬分配，是ＰＯＮ網(wǎng)絡資源分??配技術的核心內容。帶寬分配是指ＯＬＴ給每個ＯＮＵ分配一定的時隙，每個ＯＮＵ??只有在自己相應的時隙才能發(fā)送消息，從而避免了數(shù)據(jù)的競爭。靜態(tài)帶寬分配和??動態(tài)帶寬分配是兩種常用的帶寬分配方式。其中，靜態(tài)帶寬分配方式是固定的，??不能隨著ＯＮＵ個數(shù)的變化而變化，也不能隨著應用的流量變化而變化，因此會造??成資源的浪費［２Ｍ３］。傳統(tǒng)的動態(tài)帶寬分配通常采用帶寬請求－應答機制，會造成上??行鏈路的時延過高》然而，基于預測的動態(tài)帶寬分配方法可以有效的降低上行鏈??路的等待時延，常見預測算法包括平均法、移動平均法、指數(shù)平滑法、自回歸模??型等［２３］。隨著機器學習技術在圖像識別、語音識別等諸多領域取得突破性進展，??利用機器學習技術進一步的降低ＰＯＮ網(wǎng)絡的上行鏈路傳輸時延，提高ＰＯＮ網(wǎng)

＾??｜ｒ?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ??１１?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ??ｆ?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ??］?ｉ?１１?１１?ｉ??－Ｎｕｍｂｅｒ?ｏｆ?ｌｉｎｋｓ??????？?－Ｔｏｔａｌ?ｌｅｎｇｔｈ??〇?－Ｌｏｎｇｅｓｔ?ｌｉｎｋ?ｌｅｎｇｔｈ?？?Ｃｌａｓｓｉｆｉｅｒ?？?Ｅｓｔｉｍａｔｅｄ?Ｐｐｏｓ??＾?－Ｔｒａｆｆｉｃ?ｖｏｌｕｍｅ??卜?－Ｍｏｄｕｌａｔｉｏｎ?ｆｏｒｍａｔ??圖１－５基于網(wǎng)絡特征參數(shù)的ＱｏＴ模型＿??網(wǎng)絡的故障管理也是傳送網(wǎng)物理層性能預測的另ｈ個重要問題。光網(wǎng)絡故障??管理方法分類如圖１－６所示，可分為主動的方式和被動的方式。主動的方式是進行??故障預防，防止設備的故障發(fā)生而避免數(shù)據(jù)或者財產的損失。被動的方法是指當??故障發(fā)生后，快速對故障的等級進行評估，對故障的設備進行檢測、識別和定位，??方便進行故障的恢復［６７］？通過連續(xù)監(jiān)視光路的ＱｏＴ?（例如ＢＥＲ，ＯＳＮＲ）可以實??８??

【參考文獻】：
期刊論文
[1]智能制造專題主編寄語[J]. 李培根,Vladimir Marik,高亮,WeimingShen.  Engineering. 2019(04)
[2]Traffic estimation based on long short-term memory neural network for mobile front-haul with XG-PON[J]. 張敏,許渤,栗曉云,蔡怡,武保劍,邱昆.  Chinese Optics Letters. 2019(07)
[3]基于遺傳算法的大規(guī)模WDM光網(wǎng)絡RWA算法[J]. 張敏,許渤,蔡怡,武保劍,邱昆.  光通信技術. 2018(11)
[4]公路零擔物流企業(yè)末端配送路徑優(yōu)化[J]. 鄧紅星,王瑋琦,王永康.  交通科技與經(jīng)濟. 2018(04)
[5]空間站艙內外用線纜的選型[J]. 王征,張義,陶兆增,沈世釗,朱偉林,王增輝,張晉,紀延磊.  光纖與電纜及其應用技術. 2018(03)
[6]最后的“老虎灶”[J].   檔案春秋. 2018(04)
[7]輸電線桿塔橫擔處的螺栓缺陷檢測技術研究[J]. 黃志文,張學習.  工業(yè)控制計算機. 2017(06)
[8]噴霜現(xiàn)象對低煙無鹵電纜材料熱老化性能的影響[J]. 周佳龍,徐洪俊.  光纖與電纜及其應用技術. 2017(03)
[9]光伏電纜用絕緣及護套材料熱老化壽命試驗評定[J]. 王海嶺,張紅艷.  光纖與電纜及其應用技術. 2017(02)
[10]射頻同軸電纜發(fā)熱時間常數(shù)的確定方法[J]. 殷海成,宣維剛,湯鈞,張萬經(jīng).  光纖與電纜及其應用技術. 2016(06)

博士論文
[1]面向5G的光與無線融合接入網(wǎng)智能控制技術研究[D]. 宋闖.北京郵電大學 2019
[2]光接入網(wǎng)節(jié)能技術研究[D]. 呂韻欣.電子科技大學 2019
[3]彈性光網(wǎng)絡中資源分配問題的優(yōu)化建模與算法研究[D]. 宣賀君.西安電子科技大學 2018
[4]軟件定義光網(wǎng)絡靈活組網(wǎng)與資源優(yōu)化技術研究[D]. 李亞杰.北京郵電大學 2018
[5]彈性光網(wǎng)絡中面向應用的寬帶資源分配與調度算法研究[D]. 盧薇.中國科學技術大學 2016

碩士論文
[1]認知光網(wǎng)絡的感知傳輸技術研究[D]. 付東.電子科技大學 2019



本文編號：3392473