基于机器学习的大规模光网络性能监测和资源分配技术研究

发布时间：2021-09-09 17:11

　　云计算、边缘计算、物联网、虚拟现实、人工智能和5G等新技术的出现导致网络数据爆发式增长。作为网络数据传输最重要的基础设施之一,光网络也一直面临着高带宽和低时延的发展需求。近年来,随着机器学习技术的快速发展,将机器学习技术引入光网络中,实现网络的智能化,成为新的发展趋势。本文围绕“利用先进的机器学习技术进行网络性能监测和资源分配,提高光网络资源利用率”这一主旨开展了相关研究工作。具体研究内容及创新如下:第一,研究了光传送网络中光路传输质量（QoT）预测问题。针对邻近信道的非线性效应的影响,提出了一种基于链路—邻近信道的特征向量表示方法,并与人工神经网络（ANN）算法相结合来预测光路的QoT。仿真表明,这种表示方法与传统的基于网络特征参数的表示方法相比可提高预测精度0.7 dB。为进一步减小训练过程消耗的时间,提出并验证了一种具有低计算复杂度的机器学习（ML）方法—极限学习机（ELM）算法,它与ANN具有相同的精度,但其训练所消耗的时间只有ANN的十分之一。仿真表明,上述基于ML的QoT预测方法还可以用于链路级的软故障检测和定位。第二,研究了光传送网络中的资源分配问题。考虑到物理层损伤对光... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：115 页

【学位级别】：博士

【部分图文】：

图１－３?ＰＯＮ网络组成结构??

?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??图１－４?ＰＯＮ网络技术发展〖１８］??ＰＯＮ网络物理层技术发展迅速，给网络资源管理也提出了更高的要求，合理??的资源分配更能充分的利用物理层资源［１９＿２１］。由于ＰＯＮ网络上行链路是多点对一??点的通信方式，固此存在着竞争。如何进行有效的带宽分配，是ＰＯＮ网络资源分??配技术的核心内容。带宽分配是指ＯＬＴ给每个ＯＮＵ分配一定的时隙，每个ＯＮＵ??只有在自己相应的时隙才能发送消息，从而避免了数据的竞争。静态带宽分配和??动态带宽分配是两种常用的带宽分配方式。其中，静态带宽分配方式是固定的，??不能随着ＯＮＵ个数的变化而变化，也不能随着应用的流量变化而变化，因此会造??成资源的浪费［２Ｍ３］。传统的动态带宽分配通常采用带宽请求－应答机制，会造成上??行链路的时延过高》然而，基于预测的动态带宽分配方法可以有效的降低上行链??路的等待时延，常见预测算法包括平均法、移动平均法、指数平滑法、自回归模??型等［２３］。随着机器学习技术在图像识别、语音识别等诸多领域取得突破性进展，??利用机器学习技术进一步的降低ＰＯＮ网络的上行链路传输时延，提高ＰＯＮ网

＾??｜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??图１－５基于网络特征参数的ＱｏＴ模型＿??网络的故障管理也是传送网物理层性能预测的另ｈ个重要问题。光网络故障??管理方法分类如图１－６所示，可分为主动的方式和被动的方式。主动的方式是进行??故障预防，防止设备的故障发生而避免数据或者财产的损失。被动的方法是指当??故障发生后，快速对故障的等级进行评估，对故障的设备进行检测、识别和定位，??方便进行故障的恢复［６７］？通过连续监视光路的ＱｏＴ?（例如ＢＥＲ，ＯＳＮＲ）可以实??８??

【参考文献】：
期刊论文
[1]智能制造专题主编寄语[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]. 张敏,许渤,栗晓云,蔡怡,武保剑,邱昆.  Chinese Optics Letters. 2019(07)
[3]基于遗传算法的大规模WDM光网络RWA算法[J]. 张敏,许渤,蔡怡,武保剑,邱昆.  光通信技术. 2018(11)
[4]公路零担物流企业末端配送路径优化[J]. 邓红星,王玮琦,王永康.  交通科技与经济. 2018(04)
[5]空间站舱内外用线缆的选型[J]. 王征,张义,陶兆增,沈世钊,朱伟林,王增辉,张晋,纪延磊.  光纤与电缆及其应用技术. 2018(03)
[6]最后的“老虎灶”[J].   档案春秋. 2018(04)
[7]输电线杆塔横担处的螺栓缺陷检测技术研究[J]. 黄志文,张学习.  工业控制计算机. 2017(06)
[8]喷霜现象对低烟无卤电缆材料热老化性能的影响[J]. 周佳龙,徐洪俊.  光纤与电缆及其应用技术. 2017(03)
[9]光伏电缆用绝缘及护套材料热老化寿命试验评定[J]. 王海岭,张红艳.  光纤与电缆及其应用技术. 2017(02)
[10]射频同轴电缆发热时间常数的确定方法[J]. 殷海成,宣维刚,汤钧,张万经.  光纤与电缆及其应用技术. 2016(06)

博士论文
[1]面向5G的光与无线融合接入网智能控制技术研究[D]. 宋闯.北京邮电大学 2019
[2]光接入网节能技术研究[D]. 吕韵欣.电子科技大学 2019
[3]弹性光网络中资源分配问题的优化建模与算法研究[D]. 宣贺君.西安电子科技大学 2018
[4]软件定义光网络灵活组网与资源优化技术研究[D]. 李亚杰.北京邮电大学 2018
[5]弹性光网络中面向应用的宽带资源分配与调度算法研究[D]. 卢薇.中国科学技术大学 2016

硕士论文
[1]认知光网络的感知传输技术研究[D]. 付东.电子科技大学 2019



本文编号：3392473