一、先进光网络支撑技术与研究进展（论文文献综述）
苏东[1]（2021）在《无源光网络端口资源自动采集算法研究》文中认为无源光网络的端口数量和占用状态等端口资源信息直观反映了固定宽带网络的用户数量信息,是宽带网络运营管理和网络配置的重要依据。受限于其无源特性,传统的人工采集管理方式导致无源光网络端口资源准确率持续较低。随着宽带用户数的井喷式增长,快速准确的获取无源光网络端口资源信息成为宽带网络运营管理亟待解决的关键问题。因此,研究无源光网络端口资源信息的自动获取及网络资源的自动化管理,对固定宽带运营有着十分重要的理论意义和实际应用价值。在分析无源光网络中主流的平面光波导型（Planar Lightwave Circuit,PLC）分光器、光纤配线架（Optical Distribution Fram,ODF）等无源设备端口结构特征的基础上,聚焦基于计算机视觉的目标检测算法,对无源光网络端口资源信息的自动获取及网络资源自动化管理方法进行了深入研究,主要研究工作及成果如下:（1）针对无源光网络端口数量、占用状态不能利用电学特性自动识别的问题,将无源光网络的端口资源识别问题转化为目标检测任务,为端口资源信息的自动化采集及管理提供了基础。对比分析不同目标检测算法的优缺点,根据无源光网络端口信息的特征,确定采用YOLOv3作为本研究的基础算法。（2）提出了一种基于卷积神经网络的改进型只看一遍第3版（You Only Look Once Version 3,YOLOv3）深度学习算法。解决了实际应用场景中PLC分光器端口被遮挡、间隙小、高分辨率下小物体密集排列时算法性能退化问题。首先通过增加第四尺度上采样特征图,形成了四尺度融合预测,强化了图像中高分辨率特征的提取能力,增强了小目标敏感度。其次,建立了 PLC分光器数据集,并利用分光器端口高宽比固定的特性对锚框维度重新聚类,增强了锚框初始参数对PLC分光器特定目标的适应性。最后,采用了软非极大值抑制算法替换原YOLOv3的非极大值抑制算法。改进型YOLOv3对PLC分光器的检测准确率有效提升且高于目前主流目标检测算法,并采用接收者操作特征曲线（Receiver Operating Characteristic Curve,ROC）、十折交叉验证进一步评估了新算法的可靠性与稳定性。（3）针对无源光网络中PLC分光器端口扩容场景中的上联无源设备ODF的端口具有端口数量多且排列密集、遮挡、型号不统一、异色老化、识别难度更大的特点,提出了一种基于卷积神经网络的改进型YOLOv3-spp深度学习算法。首先,在YOLOv3检测层前增加SPP层,实现特征图中多个尺度的提取聚合。其次,建立了 ODF数据集并采用k-means++算法进行锚框维度聚类。最后,对损失函数进一步优化,构成了改进型YOLOv3-spp算法。为了避免样本少导致的过拟合现象,针对性设计了数据增强策略对数据集完成扩充,普通场景下的ODF检测效果得到有效改善。（4）针对ODF遮挡严重、多端口等疑难场景下第四章提出的改进型YOLOv3-spp漏检概率大甚至算法失效的问题,提出了遗漏区域重识别级联模型,提高了 ODF的检测准确率。首先,依据ODF端口的尺寸、间隙等结构特征设计了端口定位、遗漏检测两个流程,可将漏检端口自动局部裁剪生成漏检端口数据集。其次,基于ResNet-34构建了遗漏区域重识别模型,对漏检端口进行二次特征捕捉、占用状态识别。最后,设计了端到端的ODF级联识别模型,检测准确率在改进型YOLOv3-spp的基础上再次提升且高于目前主流目标检测算法,并采用混淆矩阵、F1分数评估了级联模型的分类性能。（5）针对传统宽带资源管理系统下端口资源人工采集导致准确性低的问题,提出了一种基于无源光网络端口自动采集算法的宽带资源管理系统设计与实现方法。首先,构建了一个微服务系统架构,不但具有低耦合、高内聚特性并且增强了模块自治性。其次,基于端口自动采集的图像识别模块重构了入网、开通、变更、退网流程。再次,基于新业务流程设计了对应的微服务响应集群实现了动态资源管控。最后,将宽带资源管理系统与目前使用的客户关系管理、业务开通、装维调度、综合资源功能模块完成标准接口交互,从而提高了无源光网络端口资源准确率。通过上述对无源光网络中端口资源的自动采集算法研究,拓展了计算机视觉在光纤通信领域的应用。实验证明,本文设计的改进型YOLOv3算法对PLC分光器端口的检测准确率为97.16%,相比原YOLOv3提升了 4.15%。基于卷积神经网络设计的端到端级联识别模型对ODF端口的检测准确率为95.02%,相比原YOLOv3提升了 7.89%。基于端口自动采集算法构建的宽带资源管理系统实现了将端口资源管理由人工向自动演进,有效提高了资源准确率和生产效率。为固定宽带网络运营商降低网络投资浪费提供了新的有效途径与技术支持。
曹原[2]（2021）在《量子密钥分发组网与应用关键技术研究》文中进行了进一步梳理当今时代,保障网络信息安全已经成为关系国家经济发展、社会稳定乃至国家安全的重要战略任务。量子密钥分发是量子通信的重要分支,对促进战略性新兴产业发展、提升国家安全实力具有重要意义。量子密钥分发网络是一种以量子密钥分发技术为核心的新型网络形态,为保障网络信息安全开辟了一条新的道路。本论文以量子密钥分发组网与应用关键技术为中心,围绕“密钥存储、密钥中继、密钥提供、密钥服务”四个视角展开研究。针对量子密钥分发组网与应用的“灵活化、经济化、高效化、智能化”四个核心挑战,主要完成了量子密钥分发网络“密钥池灵活化构建技术、中继部署成本优化技术、多租户高效率提供技术、软件定义智能服务技术”四项技术创新,攻克了“低码率密钥资源与多业务密钥需求的最优化适配”这一科学问题,为量子密钥分发网络可扩展、高灵活及低时延应用提供了理论支撑,弥补了该领域研究短板,提升了量子密钥分发网络的智能化水平。主要工作和创新点如下:第一,针对“密钥存储”视角的技术挑战:如何进行量子密钥分发网络密钥池的灵活构建,以改进密钥存储灵活性和提升密钥池构建成功率?研究了量子密钥分发网络密钥池灵活化构建技术,提出了一种基于时间调度的量子密钥池构建方法。通过切片化方式将波/纤信道资源划分为更加精细的时/波/纤信道资源,在光纤网络上实现了量子密钥池的灵活构建。设计了面向时间调度量子密钥池构建的整数线性规划模型和基于联合路径/链路的路由、波长与时隙分配算法,分析了固定/灵活密钥消耗、均匀/非均匀时隙分配等问题,挖掘了量子密钥池构建成功率与多参数相互影响的关联关系,实现了量子密钥池构建成功率的灵活提升,使其最高可达100%。第二,针对“密钥中继”视角的技术挑战:如何对量子密钥分发网络多中继部署进行成本优化,以降低密钥中继成本和提升网络安全级别?研究了量子密钥分发网络中继部署成本优化技术,提出了面向可信中继和混合中继部署成本优化的量子密钥分发组网方案。针对可信中继组网场景,通过构建可信中继组网成本模型以及设计整数线性规划模型和启发式算法,提出了基于可信中继的量子密钥分发网络成本优化策略,实现了可信中继的最优部署,相比基准算法（随机路由和信道分配）成本降低31%。针对混合中继组网场景,通过构建混合中继组网成本模型和安全模型以及设计启发式算法,提出了基于混合中继的量子密钥分发网络成本优化策略,相比可信中继方案可使量子密钥分发网络部署成本降低25%、安全级别提升115%。第三,针对“密钥提供”视角的技术挑战:如何实现量子密钥分发网络多租户的高效提供,以提升密钥提供效率和降低租户请求阻塞率?研究了量子密钥分发网络多租户高效率提供技术,率先提出了量子密钥分发网络离线多租户和在线多租户高效提供策略。针对离线多租户场景,设计了离线多租户密钥生成率共享机制,提出了离线多租户密钥分配算法,揭示了离线租户请求成功率和全网密钥资源利用率的联合提升机理,实现了密钥资源供给与离线多租户密钥需求之间的高度均衡。针对在线多租户场景,设计了基于随机调度、匹配调度和最佳适配调度的在线多租户提供算法,提出了基于强化学习的在线多租户高效提供方案,相比三种启发式算法可使在线租户请求阻塞率降低60%、全网密钥资源利用率提升8.96%。第四,针对“密钥服务”视角的技术挑战:如何完成量子密钥分发网络服务的按需定制,以增强密钥服务智能性和降低量子密钥分发服务控制时延?研究了量子密钥分发网络软件定义智能服务技术,提出了一种软件定义量子密钥分发即服务架构,具体构建了软件定义量子密钥分发即服务控制体系,从协议扩展、跨层交互流程、路由和密钥分配策略三个方面提出了软件定义量子密钥分发即服务实现方法。搭建了软件定义量子密钥分发即服务网络实验平台,测试并验证了软件定义控制技术有利于提升密钥服务的智能化水平,将量子密钥分发服务的控制时延从秒级降低至毫秒级。该工作利用软件定义控制技术实现了量子密钥分发服务的智能创建、修改和删除,为量子密钥分发智能化组网与低时延应用奠定了基础。
舒亮[3]（2021）在《大容量低成本城域光网络关键技术研究》文中研究指明随着新型大带宽低时延业务的飞速发展,互联网内容供应商、云服务商和网络运营商越来越多地将数据中心建设在用户所在的城市周围,这使得城域光网络逐渐成为全球流量的主要承载网络。在城域光网络容量需求急剧增长的同时,由于“提速降费”的国家政策,各大运营商的收入增长速度难以匹配成本支出的增长。因此,如何实现低成本的大容量城域光网络将成为城域网研究中的重点问题。大容量低成本城域光网络的实现依赖于低成本的高速传输和智能管控技术。低成本直接检测传输系统中的链路损伤补偿是短距城域数据中心互联（DCI）网络面临的主要挑战;而长距城域核心网则面临低冗余弹性光网络的智能管控挑战。针对大容量低成本城域光网络面临的上述挑战,论文围绕城域直接检测传输技术和城域光网络软故障诊断技术进行研究,主要创新成果如下:1.城域直接检测传输系统非线性补偿技术研究a)色散与信号-信号拍频干扰（SSBI）是限制直接检测传输系统容量距离积的首要链路损伤。论文设计了基于低成本双驱马赫增德尔调制器（DD-MZM）和克拉莫-克若尼（KK）检测的单边带（SSB）4电平脉冲幅度调制（PAM4）信号传输方案。112Gbps80km SSB-PAM4直接检测传输实验表明,该方案能有效减少光纤色散的影响并减少87%的均衡器复杂度,从而进一步降低城域DCI直接检测传输技术的硬件成本和算法复杂度。b)电放大器饱和效应、调制器非线性和光纤非线性会严重限制高阶调制格式的传输性能。论文提出了一种适用于16进制正交幅度调制（16QAM）直接检测传输系统非线性补偿的I/QVolterra滤波器（VF）,并基于l1正则化和再训练的方法实现了一个稀疏的I/Q VF。在112Gbps 16QAM直接检测传输实验中,I/Q VF将最大传输距离从480km扩展到960km,容量距离积达到国际先进水平。在960km传输时,稀疏I/Q VF在保证误码率不受影响的情况下将计算复杂度减少了 58%。与传统的I/Q实值线性滤波器相比,所提出的I/QVF能够显着提升系统非线性容忍度,从而有效地扩展直接检测传输技术的应用场景,进一步降低城域光网络的成本。2.城域直接检测传输系统低分辨率数模转换器（DAC）量化噪声补偿技术研究低分辨率DAC有助于降低光模块的成本、尺寸和功耗,但是会面临大量化噪声的挑战。论文对削峰（Clipping）、数字分辨率增强（DRE）和误差反馈噪声整形（EFNS）这三种低分辨率DAC量化噪声补偿技术在城域直接检测系统中的应用进行了详尽的仿真和实验分析。结果表明,DRE和EFNS均能够使4位DAC具有和8位DAC相近的传输性能。与DRE相比,EFNS具有更低的计算复杂度和处理时延,而且不需要提供信道响应,因而更加适用于低时延、低功耗的城域直接检测传输系统。这部分的工作能够为城域低分辨率直接检测传输系统的设计提供重要参考,并降低发射端的硬件成本、尺寸和功耗。3.城域低冗余弹性光网络软故障诊断技术研究低冗余弹性光网络是城域核心网发展的必然趋势,而软故障诊断是保障低冗余弹性光网络可靠性的关键技术。论文首次提出了一种适用于数字谱的基于谱面积的特征提取方法和一种低复杂度的双阶软故障检测和识别框架。该方法充分考虑了常见软故障对信号谱对称性、功率和信噪比的影响,能够在保证模型性能的情况下有效地减少模型输入特征。双阶软故障检测方案充分利用光网络软故障的低频性来降低整体硬件的监测和处理成本,在考虑三种软故障的实验系统中,双阶软故障检测结构减少了 61.6%的数字谱提取数目,并实现了 0.42%的假正率（FPR）和1.47%的假负率（FNR）。基于支持向量机（SVM）的软故障识别模块实现了 99.55%的识别精度。基于数字谱的软故障诊断技术性能达到了国际先进水平,在保障诊断性能的同时还显着降低了硬件监测和处理成本,将有助于低成本地实现城域光网络的智能管控。
高争光[4]（2020）在《基于机器学习的光网络传输质量预测方法与资源优化技术》文中认为随着5G时代移动流量的迅猛增长以及多样化业务的快速融合,光网络的发展面临着从传输控制层面到资源优化层面的诸多挑战。在传输控制层面,光网络需要进行动态重配置实现高效的按需分配。在资源优化层面,为了缓解用户流量的承载压力,前传光网络需要灵活的功能分割方式实现面向业务的基带功能部署。由于用户流量的时变性,业务基带功能链的部署需要不断调整以保障资源利用率和服务质量。光传输趋于动态化、基带功能部署的复杂化、以及外界环境的不可控等因素都导致传统以人工经验为主导的网络资源调配方式难以为继,必须引入新的自动化,智能化的运维机制。机器学习,通过模仿人的学习方式,从数据中获取知识不断进行策略提升的能力与当前光网络需要引入智能化的运维机制相适应。因此,本文基于机器学习从“数据挖掘”,“决策推理”以及“用户感知”角度,探索精准的光链路传输质量（QoT）预测方法与高效的资源优化技术,进而逐步推进光网络的智能化。本论文的主要内容和创新点如下:（1）提出一种基于神经网络的多信道传输质量预测模型。针对光网络进行重配置时新建信道和已有信道QoT的预测问题,本文提出了一种基于神经网络（ANN）的多信道Q因子（Q-factor）回归模型。该模型考虑光网络系统配置状态,链路参数,光器件实时参数,光谱信息等因素对信道QoT的影响,通过收集真实传输场景下的数据构建基于ANN的多信道Q-factor预测模型。与传统的物理分析模型相比,本文所提模型能兼顾预测的精确度和速度。实验结果表明,基于ANN的Q-factor回归模型能同时准确的预测系统所有信道的Q-factor,其在测试集上的平均绝对误差（MAE）小于0.1 dB。这种全面精准的QoT预测方法能帮助动态光网络实时监控信道的传输状态,提升网络重配置的效率和稳定性。（2）提出一种基于深度强化学习的基带功能部署和路由策略。针对5G前传光网络带宽承载压力剧增的问题,本文提出了一种基于深度强化学习（DRL）的基带功能部署和路由策略。该策略通过收集智能体与网络环境的交互信息,基于神经网络拟合出能真实反映不同部署决策的价值函数,Q函数,进而根据神经网络的价值函数选择合适的基带功能部署和路由策略。仿真结果表明,在集中式无线接入网（C-RAN）和下一代无线接入网（NG-RAN）的两种基带功能分割方案下,基于DRL的基带功能部署和路由策略性能都优于传统启发式算法-首次适应算法,趋同于整数线性规划（ILP）的最优解。与ILP模型仅适用于静态业务场景不同,基于DRL的基带功能部署策略在动态业务场景下也取得了极佳的性能。这为动态业务场景下的网络资源优化提供了新的技术路线。（3）提出一种基于流量预测的基带功能部署与迁移策略。针对移动流量的时变性导致基带功能部署策略资源利用率下降及用户服务中断的问题,提出了基于流量预测的基带功能部署与迁移策略。所提策略在保障基带资源利用率的同时尽量减小因基带功能迁移导致的服务中断次数。与传统优化策略仅仅考虑网络固有资源不同,本文所提策略通过收集运营商的历史流量数据,基于长短记忆网络（LSTM）构建了精确的时序流量预测模型,进而根据未来时间段的流量预测和网络可用资源联合优化基带功能部署。仿真结果表明:本文所提策略能在保持较高资源利用率的同时有效减少用户的迁移次数。这种“先预测再部署”的资源优化策略能更加主动的应对流量变化对网络造成的影响。
李进[5]（2020）在《智能感知光网络中光性能监测与信号处理关键技术研究》文中进行了进一步梳理近年来,随着新兴数据业务、复杂高阶调制、动态波长切换、灵活频谱栅格与混合传输技术的发展,光网络正朝着动态化、复杂化与异构化的方向演进,对光网络的管理控制能力提出了更高要求。在传统光网络管控中,传输系统自适应能力薄弱,网络管控可信有效数据缺乏,且传输系统与网络管控间缺乏跨层感知与智能反馈功能。面对上述问题,在人工智能（AI）与软定义网络技术的支持下,具有网络状态立体感知、网络数据智能分析以及网络组件自适应控制优势的智能感知光网络（CON）成为研究热点之一。本文以智能感知光网络中的光性能监测与信号处理技术为核心,围绕AI驱动的智能感知光网络架构、光传输系统损伤自适应监测与补偿、面向智能感知光网络数据库的数据增强,以及基于物理层感知与网络层反馈的资源管控等问题,提出了若干技术创新方案。主要论文工作与创新点如下:1、基于感知光网络中核心思想即“感知-学习-动作”闭环控制,设计了一种AI驱动的智能感知光网络结构,规范了网络状态监测中数据源、监测方式、数据存储与数据表示的实现方式。此外,在网络管理控制中引入了各类AI驱动型智能网络管控应用,包括光性能监测、物理损伤补偿、网络设备控制、传输链路质量估计、网络资源分配、网络流量预测与网络故障管理。另外,总结了软定义网络组件的工作原理与实现方案,以闭环形式实现“观察-学习-动作”的功能设计,为智能感知光网络的实现提供基础架构支持。2、针对光传输系统中物理损伤补偿算法缺乏智能学习能力、依赖传输链路信息且自适应性不足等问题,提出了两种基于机器学习的自适应损伤监测与补偿算法。面向光纤传输系统,论文提出了一种基于深度神经网络（DNN）的自适应色散（CD）监测与补偿算法。仿真结果表明该算法在2000ps/nm动态范围内的平均监测误差约为20ps/nm,与基于CD扫描与频域均衡的经典方法相比,计算复杂度显着降低,需要的乘法器,加法器和比较器的数量分别减少了 98.6%,98.8%和64.4%。另外,面向自由空间光传输系统,提出了一种基于卷积神经网络（CNN）的大气湍流监测与轨道角动量键控（OAM-SK）自适应解调方案。该方案对于8-OAM-SK系统的自适应解调误差约为0.86%,比传统方案的解调精度提高了 19.2%。同时,首次提出基于CNN的大气湍流监测方案,对6种典型大气湍流信道的监测精度达到95.2%。3、针对光网络智能管控中AI驱动型应用缺乏有效可信网络流量数据,以及实际网络故障数据严重不均衡的难题,提出了基于深度学习的自适应时序数据增强算法与基于生成对抗网络（GAN）的网络故障数据均衡算法。实验数据表明,对于接入网与核心网中6种典型流量类型,合成的增强流量数据与对应实际流量数据关于均值,方差和Hurst指数平均偏差分别为0.7%,1.3%与7.0%,明显低于传统的统计参数配置法（SPC）的对应值。另外,实验结果显示,当在基于支持向量机（SVM）的故障识别模型中采用本文所提出的基于GAN的网络故障均衡算法时,相对于采用原始不均衡数据集的情况,故障漏报率从24.7%降低至3.8%。对于基于SVM、K最近邻算法（KNN）、决策树（DT）、随机森林（RF）以及梯度下降树（GBDT）的故障识别算法,结合了本方案所提出的故障数据均衡算法的GBDT模型在漏报率、准确率与召回率指标上综合优于其他算法,有效减少了数据不均衡对网络故障识别的影响。4、针对光网络中网络资源控制技术依赖人工干预、缺乏响应反馈以及动态建模能力薄弱的局限,提出了基于物理层感知与网络层反馈的资源管控机制,并通过引入基于深度强化学习（DRL）的数字孪生技术,有效提高了可编程光收发机（POT）的动态建模与智能控制能力,实现了 POT中调制格式、波特率与前项纠错（FEC）编码按需自动调整。与经典的基于最大传输容量（MaxCap）的POT相比,本文所提出的DRL-POT可以节约19.4%的频谱资源,并可以获得类似的网络时延性能。受益于双引擎DRL中的双神经网络结构和反馈控制机制,本文所提出的DRL-POT有效建立动态POT模型,以适应随时间变化的流量负载和链路传输质量,并且根据最大传输效能选择对应的最佳POT控制动作,反馈控制物理空间的POT,以确保满足业务网络时延需求并提高频谱资源使用效率。
刘涛[6]（2020）在《基于SDN的光接入网控制架构若干关键技术研究》文中研究说明近年来,作为信息高速公路的最后一公里,光接入网架构的灵活性、流量的稳定性和用户服务的安全性面临着越来越多的挑战。Open Flow协议支持的软件定义网络（Software Defined Network,SDN）作为一种能够提供良好抽象的理想解决方案在接入网领域得到了广泛的应用和发展,具有重要的现实意义和实用价值,但仍面临以下问题:第一,已有的SDN光接入网控制架构未能迎合现实需求将多重资源进行融合,从而屏蔽底层物理设备差异,实现接入平台的开放性;第二,相关带宽分配算法和策略的提出未能与相应的架构相匹配,从而不能真正实现软件定义智能控制与调度的优势;第三,目前各方在SDN光接入网方面一味的追求效率,缺乏对安全机制的关注,因此没有系统有效的安全方案。本论文围绕以上问题,在现有基于软件定义的光接入网研究基础之上,以优化网络架构、提升网络性能、增强网络防护为目标,开展基于SDN的光接入网控制架构若干关键技术的研究。主要研究内容如下:（1）为了有效提高光接入网网络资源利用率,解决不同用户数据流量缺乏动态控制和智能调度的问题,结合光与无线融合技术与软件定义网络的优势,设计了一种基于软件定义的光与无线融合接入网跨层控制架构（Software Defined Optical and Wireless Convergence Access Network,SDOWA）,并构建了相关器件的功能模块以及架构的整体交互过程。该架构采用分层控制的思想,通过部署Open Flow代理将控制器的某些权限动态的分配给光线路终端（Optical Line Terminal,OLT）,同时通过延伸控制器的控制深度到光网络单元（Optical Network Unit,ONU）以此增强架构整体的鲁棒性。（2）针对软件定义光接入网多业务服务质量（Quality of Service,Qo S）难以均衡以及带宽资源利用率不高的问题,基于已提出的接入网跨层控制架构,提出一种分层实现的动态带宽分配方案。该方案在实时收集全局网络信息的基础上,将前后端网络的业务进行映射,并分为EF（Expedited Forwarding）、AF（Assured Forwarding）和BE（Best-Effort）三个业务队列,根据不同业务需求以及队列优先级对网络资源进行动态分配和准确调度,充分提高全网的网络性能。（3）针对在软件定义光接入网环境下接入到控制中心的OLT和ONU数量急剧增长,所带来的设备间安全通信问题,提出了一种基于加密生成地址算法（Cryptographically Generated Address,CGA）与Hash生成地址算法（Hash Generated Address,HGA）相结合的通信节点间轻量级双向身份认证方案（Lightweight Two-Way Authentication,LTWA）。该方案以Open Flow协议的信息交互方式为基础,通过引入无第三方参与的CGA算法和HGA算法,以此分别完成通信节点之间的首次认证绑定和非首次认证绑定,有效防止攻击者伪造、篡改认证交互消息,从而建立面向接入网的端到端可信连接。
蔡君峰[7]（2018）在《智能制造工业的无源光网络优化及风险管理研究》文中指出近年来,伴随着以互联网、物联网、云计算、大数据、人工智能等为代表的新一代信息技术,逐渐与工业新材料、新工艺、新能源、先进制造等创新成果跨界融合,引发了全世界范围内新一轮的产业变革和科技革命。而由此产生的全新生产方式、组织方式和商业模式正不断涌现,工业互联网应运而生,并推动着全球工业体系的智能化变革,即“第三次浪潮”。随着“第三次浪潮”的到来,智能制造工业正在全世界飞速发展,并已经代表着制造工业的发展方向。“工业互联网和新一代信息技术与全球工业系统全方位深度融合集成所形成的产业和应用生态,是工业智能化发展的关键综合信息基础设施。”作为基础的网络,工业智能化必须以网络为依托,否则就是传统形式的工业活动,如果没有网络,现代意义上的工业智能化就无从谈起,也就没有所谓的互联互通的工业全体系;网络其是通过互联网、物联网、区块链等等技术实现工业数据的广泛融汇。作为核心的数据,其是通过对全周期的所有工业数据进行有效的感知、收集和融汇应用,形成了基于大数据的系统化智能,从而实现机器的计划性生产、运维管理的优化、生产协同合作的组织和商业营销模式的创新,因此推动工业智能化的快速发展。作为整个体系最重要保障的安全方面,也就是通过建设覆盖工业全系统的安全有效防护体系,确保工业智能化的实施。工业网络的发展充分体现出了几个产业生态系统的融合,这也是构建工业全生态系统、实现工业全智能化发展的必备条件。考虑到智能制造工业生产体系必须依托于强大网络与通信能力的支持,而传统网络的组网瓶颈以及存在着网络安全风险,本文提出了全光网（PON）解决方案及风险管理研究,系统的提出了数据、语音、监控、无线等解决方案,并针对于全光网络的安全性提出了网络安全设计和安全管理规范,其目的是使工业互联网为智能制造提供了关键的基础设施,使其为现代工业的智能化发展提供了重要支撑。
郑宇[8]（2019）在《软件定义分层光接入网及其应用技术研究》文中提出近年来,随着移动通信、数据中心、物联网和工业互联网等信息物理系统（CPS）建设高潮的到来,对可集数据采集、融合、交换与处理为一体的高速大容量光接入网的需求激增。由于接入根节点产生的海量数据时空分布的多源化、离散化和异构性,传统光接入网已难以满足需求。本文以上述应用需求为牵引,通过软件定义和光电混合交换技术,研究新型光接入网架构、节点与交换技术,贯通物理层与媒质接入控制（MAC）层,满足海量数据接入与处理的需求。首先,论文提出了软件定义分层光接入网（SD-HOAN）方案,对核心与接入两类网络域实现统一控制,上、下行和控制信道分别采用不同的波段,对簇、集、域及核心四层信号实现分层分布式光电混合交换,使得物理层与媒质接入控制层无缝贯通,从而实现海量多源异构数据的汇聚融合、分层交换和统一控制。研制了网络仿真器,基于SDHOAN架构提出了周期信令传输机制与时隙密排调度算法,仿真验证了SD-HOAN具有高吞吐量、低时延等性能。接着,论文分别提出了单/双纤双向两种无源光分配节点（PODN）和输出端口带宽可重构光电混合核心交换节点（HOECSN）结构。通过PODN,搭建了HOECSN与边缘接入节点（EAN）间和EAN之间的传输通路。研究了PODN、HOECSN与MAC融合技术,实现了集内、域内和核心层海量异构数据交换,基于流量统计信息动态配置了输出端口带宽,提高了输出带宽利用率,降低了节点功耗。然后,论文研究了SD-HOAN技术在两种具体场景中的应用。设计了大规模数据中心SD-HOAN系统方案,PODN与簇间交换节点分别构成无源光接入与电接入层,实现了双MAC分层交换,基于负载感知双模态（LSDM）调度算法实现了簇内高效通信,具有高扩展与低功耗特性。设计了智能变电站SD-HOAN系统方案,研制出边缘、核心节点原型样机,搭建了智能变电站面向SV业务的SD-HOAN现场实验系统,实验测得系统具有低时延、单向组播、协议转换与光域信号汇聚等功能。最后,论文给出全文总结以及有待开展的工作。
刘温良[9]（2019）在《基于EPON的智慧校园接入网系统设计及应用》文中认为为了满足广大师生通过校园网获取多元化数字资源的要求,校园信息化正面临着网络的升级改造,实现数字化校园向智慧校园的转变。数字化校园是构建数字空间,实现从环境信息、资源信息到应用信息的数字化。基于大数据、物联网和云计算技术,智慧校园是在数字校园的基础上,实现随时随地都可以获取校园信息化资源,实现智慧教学环境、智慧校园管理、智慧校园服务和信息安全体系的功能。本文通过智慧校园的基础网络建设中引进EPON网络技术的案例,阐述EPON网络技术适用于中大型智慧校园基础网络,更好满足智慧校园对基础网络的需求。文章首先对智慧校园EPON网络和传统的局域网进行了比较,指出传统局域网在校园应用中存在的问题;简单介绍了 EPON的发展,对EPON网络技术要点展开论述,介绍了 EPON的系统关键技术和组网关键技术;最后通过校园案例实际,从系统建设要求、方案设计和项目管理实施等方面展开详细论述,论述EPON是适合校园接入网络的先进宽带接入技术。本文重点论述了智慧校园EPON光纤网络系统设计与应用。通过对校园的行政办公区、教学区、宿舍区、校园无线网络以及安防物联网等多个功能区域和业务系统进行详细分析,形成需求分析报告,然后进行网络详细规划设计和设备选型;项目管理及实施过程中,采用先进的项目管理规范,在保证安全前提下,注重进度管理、质量管理和成本控制,实现项目管理的全过程管控;并对实施中的技术要点进行总结,包括设备安装、光缆线缆施工、机房建设以及系统测试和调试,实现项目设计要求和预定目标。文章通过EPON在校园网络建设的应用,简化校园网络复杂程度,降低网络运行维护难度,又极大提升了网络容量,解决了传统局域网络中存在的问题。在智慧校园的EPON网络建设中,最大限度发挥光纤网络的优势,充分体现无源光网络的优势,网络建设满足系统需求,并为后期发展预留了提升空间。
江涛[10]（2019）在《面向5G应用的认知数据中心互连网络架构设计与关键技术研究》文中进行了进一步梳理近年来,随着数字信息技术的高速发展,诸如高清视频,虚拟现实等新兴数据业务呈现出爆发式增长,并对移动通信基础网络性能提出更高的要求。在此背景下,第五代移动通信（5G）系统应运而生,旨在解决未来海量的终端接入和复杂的端到端服务质量需求。为达到上述目标,5G提出更宽泛的应用场景和更高的通信标准,并因此对承载网提出更高要求。以数据中心互连为核心的承载网成为提供云计算和边缘计算服务以支撑5G新型数据业务的关键。然而,面向5G应用的数据中心互连网络面临着严峻挑战,需要新的网络架构和技术,包括超大传输容量、集中控制平面和智能的控制算法才能满足未来5G业务的端到端服务需求。针对上述挑战,本论文探索面向5G应用的新型数据中心互连网络架构与关键技术。结合当前光网络技术演进途径,论文提出了认知数据中心互连网络的架构,并开展了以下几方面技术内容的研究:1)采用容量提升空间更大的空分复用光传输构建底层物理网络;2)采用软件定义光网络的架构提供集中的控制平面以支撑高效快速的网络切片;3)引入认知平面和智能算法提升网络自适应处理事件的能力;4)为了验证论文所提出的技术方法,我们设计了基于空分传输的数据中心互连光网络物理拓扑结构,并基于此网络拓扑,进行大量的仿真验证。研究内容和创新点如下:基于空分复用光传输的网络性能分析。由于光纤内在传输机理不同,空分复用光传输有不同的范式。根据光纤传输元素的耦合效应,空分复用光传输分为三种不同的范式,即独立传输,联合传输和部分联合传输。在数据传输过程,每种传输范式有不同的资源分配方式。独立传输中每个传输资源独立成为信道,数据包可以被分配到不同的信道中传输。联合传输中所有传输资源组成一个信道,数据包依次在这个信道中传输。部分联合传输将传输资源划分为若干个相互独立的组,每个组成为一个信道。不同的传输范式带来不同的网络性能,包括吞吐量,丢包率,平均传输时延等。基于空分复用光传输组网的数据中心互连网络需要考虑每种传输范式的性能。基于此,论文对不同的空分复用光传输范式建立数学模型,利用排队理论和马尔科夫链推导出系统稳定状态下的网络性能,并进行了不同方面的数值仿真对比。仿真结果显示在资源相同的情况下,独立传输具有最高的传输效率,联合传输可以提供最高的传输速率但不能保证最低平均传输时延。在不同传输资源情况下,通过合理的传输粒度设计,部分联合传输可以提供最佳的传输性能。平均光数据包的大小对传输性能有重要影响。相比于其它光传输组网,空分复用光传输更有利于构建灵活粒度传输的全光网络。基于深度学习的自适应路由设计。传统光网络控制层面采用基于链路状态的路由协议,将相同业务映射到固定的传输路径。这种路由算法并没考虑传输路径中节点负载的变化,当这条最短路径上的负载严重时,数据包被大量丢弃,导致丢包率性能下降严重,无法保证5G业务的端到端的服务质量。基于此,文章提出基于深度学习自适应的路由算法。认知平面可以获取网络节点的负载数据,深度神经网络对大量节点负载数据对应的丢包率样本进行学习,输出对应不同网络流量分布的最佳传输路径,实现传输路径的动态调整,进而避免网络拥塞。仿真验证了基于深度学习的自适应路由算法的有效性,相比于传统的路由协议,基于深度学习的自适应路由算法显示出了更佳的丢包率性能和拥塞避免能力。基于深度学习的传输时延优化。网络切片是实现不同5G业务端到端传输时延的重要保证。当前5G网络切片采用物理层信道带宽划分的方案,这种方案可以快速的实现业务的隔离承载,然而并不一定能保证端到端传输时延。这是因为物理层的切片方案没有考虑网络层的流量负载变化,当切片网络中的负载严重时,网络很难保证时延敏感型业务的传输时延。因此论文提出了基于网络层的动态切片方案。认知平面获取网络节点负载信息数据,并通过多个深度神经网络组合训练,得到适合当前网络状态的切片方案。仿真结果显示,基于网络层的动态切片算法比传统物理层切片方案具有更好的传输时延性能。
二、先进光网络支撑技术与研究进展（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、先进光网络支撑技术与研究进展（论文提纲范文）
（1）无源光网络端口资源自动采集算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1.绪论 |
| 1.1 论文研究背景 |
| 1.1.1 固定宽带发展的意义 |
| 1.1.2 固定宽带接入网络简介 |
| 1.1.3 端口识别的意义 |
| 1.2 国内外目标检测领域的研究现状 |
| 1.2.1 基于区域的主要算法 |
| 1.2.2 基于回归的主要算法 |
| 1.2.3 目标检测在光通信领域的研究现状 |
| 1.3 本文研究内容 |
| 1.4 论文结构安排 |
| 1.5 本章小结 |
| 2.端口识别的目标检测算法选择 |
| 2.1 通用物体检测数据集下的先进算法性能分析 |
| 2.2 端口类专用物体检测性能分析 |
| 2.3 YOLOv3 |
| 2.3.1 网络结构 |
| 2.3.2 边界框预测 |
| 2.3.3 跨尺度融合预测 |
| 2.3.4 检测方法介绍 |
| 2.4 本章小结 |
| 3.无源光网络中PLC分光器端口占用状态自动识别的算法研究 |
| 3.1 应用背景分析 |
| 3.2 疑难场景下PLC分光器端口占用状态识别的YOLOv3 算法优化 |
| 3.2.1 四尺度特征融合预测 |
| 3.2.2 基于PLC分光器数据集的目标锚框维度聚类 |
| 3.2.3 基于软非极大值抑制算法的边界框过滤 |
| 3.3 模型训练与实验 |
| 3.3.1 PLC分光器数据集建立 |
| 3.3.2 训练策略 |
| 3.3.3 超参数设置 |
| 3.3.4 实验配置与训练结果 |
| 3.4 实验结果分析 |
| 3.4.1 消融研究 |
| 3.4.2 算法评估 |
| 3.4.3 算法改进前后检测效果对比 |
| 3.4.4 与其他主流算法实验结果对比 |
| 3.4.5 检测效果与优化点关联分析 |
| 3.5 本章小结 |
| 4.无源光网络中ODF端口占用状态自动识别的算法研究 |
| 4.1 应用背景分析 |
| 4.2 普通场景下ODF端口占用状态自动识别的改进型YOLOv3-spp算法 |
| 4.2.1 特征提取网络优化 |
| 4.2.2 基于ODF数据集的目标锚框维度聚类算法优化 |
| 4.2.3 损失函数优化 |
| 4.3 数据增强策略设计 |
| 4.3.1 ODF数据集建立 |
| 4.3.2 数据增强对ODF数据集的必要性 |
| 4.3.3 数据增强在机器学习管道的位置选择 |
| 4.3.4 数据增强方法 |
| 4.3.5 插值算法 |
| 4.3.6 ODF数据集扩充 |
| 4.4 模型训练与实验 |
| 4.4.1 学习速率动态调整策略 |
| 4.4.2 超参数设置 |
| 4.4.3 实验配置与训练结果 |
| 4.5 实验结果分析 |
| 4.5.1 目标锚框维度聚类前后性能对比 |
| 4.5.2 数据增强前后性能对比 |
| 4.5.3 算法优化前后检测性能对比 |
| 4.5.4 算法评估 |
| 4.5.5 普通场景下检测效果分析 |
| 4.6 本章小结 |
| 5.疑难场景下ODF端口占用状态的端到端级联识别模型研究 |
| 5.1 基于深度学习的端到端级联识别模型的设计 |
| 5.1.1 端口定位流程设计 |
| 5.1.2 遗漏检测流程设计 |
| 5.1.3 基于Res Net-34 的漏检区域重识别模型研究 |
| 5.1.4 端到端ODF端口级联识别模型设计 |
| 5.2 模型训练与实验 |
| 5.3 实验结果分析 |
| 5.3.1 端到端级联识别模型消融研究 |
| 5.3.2 模型性能评估 |
| 5.3.3 级联模型分步检测效果分析 |
| 5.3.4 疑难场景下级联模型检测效果分析 |
| 5.3.5 与其他主流算法实验结果对比 |
| 5.4 本章小结 |
| 6.基于端口自动识别算法的宽带资源管理系统的设计与实现 |
| 6.1 应用背景分析 |
| 6.2 系统架构设计 |
| 6.3 动态资源管控业务流程重构 |
| 6.4 基于业务流程的微服务响应集群设计 |
| 6.5 系统平台实现 |
| 6.6 系统性能分析 |
| 6.7 本章小结 |
| 7.总结与展望 |
| 7.1 工作总结 |
| 7.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的主要研究成果 |
（2）量子密钥分发组网与应用关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 量子密钥分发网络技术背景 |
| 1.1.1 量子信息时代网络安全挑战 |
| 1.1.2 量子密钥分发基本概念和原理 |
| 1.1.3 量子密钥分发实现方式和协议 |
| 1.1.4 量子密钥分发网络定义和分类 |
| 1.2 量子密钥分发组网与应用核心挑战 |
| 1.2.1 密钥存储的灵活化 |
| 1.2.2 密钥中继的经济化 |
| 1.2.3 密钥提供的高效化 |
| 1.2.4 密钥服务的智能化 |
| 1.3 国内外研究现状 |
| 1.3.1 国内外研究进展 |
| 1.3.2 国内外标准动态 |
| 1.4 本论文组成和主要工作 |
| 1.4.1 论文组成 |
| 1.4.2 主要工作 |
| 参考文献 |
| 第二章 量子密钥分发网络密钥池灵活化构建技术 |
| 2.1 研究背景 |
| 2.2 量子密钥池构建基本原理和体系架构 |
| 2.3 基于时间调度的量子密钥池构建问题描述 |
| 2.3.1 固定/灵活密钥消耗问题 |
| 2.3.2 均匀/非均匀时隙分配问题 |
| 2.3.3 时隙连续/离散量子密钥池构建问题 |
| 2.4 面向时间调度量子密钥池构建的整数线性规划模型 |
| 2.5 面向时间调度量子密钥池构建的启发式算法 |
| 2.6 仿真及案例分析 |
| 2.6.1 固定/灵活密钥消耗案例分析 |
| 2.6.2 均匀/非均匀时隙分配案例分析 |
| 2.6.3 时隙连续/离散量子密钥池构建案例分析 |
| 2.7 本章小结 |
| 参考文献 |
| 第三章 量子密钥分发网络中继部署成本优化技术 |
| 3.1 研究背景 |
| 3.2 量子密钥分发网络可信中继部署成本优化技术 |
| 3.2.1 量子密钥分发网络可信中继基本结构 |
| 3.2.2 量子密钥分发网络可信中继部署体系架构 |
| 3.2.3 基于可信中继的量子密钥分发组网模型 |
| 3.2.4 基于可信中继的量子密钥分发网络成本优化策略 |
| 3.2.5 仿真及案例分析 |
| 3.3 量子密钥分发网络混合中继部署成本优化技术 |
| 3.3.1 量子密钥分发网络混合中继基本结构 |
| 3.3.2 量子密钥分发网络混合中继部署体系架构 |
| 3.3.3 基于混合中继的量子密钥分发组网模型 |
| 3.3.4 基于混合中继的量子密钥分发网络成本优化策略 |
| 3.3.5 仿真及案例分析 |
| 3.4 本章小结 |
| 参考文献 |
| 第四章 量子密钥分发网络多租户高效率提供技术 |
| 4.1 研究背景 |
| 4.2 量子密钥分发网络离线多租户高效率提供技术 |
| 4.2.1 量子密钥分发网络离线多租户提供架构 |
| 4.2.2 量子密钥分发网络离线多租户密钥生成率共享机制 |
| 4.2.3 量子密钥分发网络离线多租户提供模型 |
| 4.2.4 量子密钥分发网络离线多租户密钥分配算法 |
| 4.2.5 仿真及案例分析 |
| 4.3 量子密钥分发网络在线多租户高效率提供技术 |
| 4.3.1 量子密钥分发网络在线多租户提供架构 |
| 4.3.2 量子密钥分发网络在线多租户提供模型 |
| 4.3.3 量子密钥分发网络在线多租户提供算法 |
| 4.3.4 基于强化学习的在线多租户高效提供方案 |
| 4.3.5 仿真及案例分析 |
| 4.4 本章小结 |
| 参考文献 |
| 第五章 量子密钥分发网络软件定义智能服务技术 |
| 5.1 研究背景 |
| 5.2 量子密钥分发即服务基本原理和功能 |
| 5.3 软件定义量子密钥分发即服务控制体系 |
| 5.4 软件定义量子密钥分发即服务实现方法 |
| 5.4.1 协议扩展 |
| 5.4.2 跨层交互流程 |
| 5.4.3 路由和密钥分配策略 |
| 5.5 软件定义量子密钥分发即服务实验演示 |
| 5.5.1 网络实验平台 |
| 5.5.2 实验演示结果 |
| 5.6 本章小结 |
| 参考文献 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 未来工作展望 |
| 缩略语 |
| 致谢 |
| 攻读博士学位期间取得的学术成果目录 |
（3）大容量低成本城域光网络关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第一章 绪论 |
| 1.1 城域光网络发展趋势概述 |
| 1.1.1 城域DCI网络发展趋势概述 |
| 1.1.2 城域核心网发展趋势概述 |
| 1.2 城域光网络国内外研究现状 |
| 1.2.1 基于直接检测的城域光纤传输技术研究现状 |
| 1.2.2 光网络软故障诊断技术研究现状 |
| 1.3 论文研究意义与创新点 |
| 1.4 论文结构安排 |
| 第二章 大容量低成本城域光网络 |
| 2.1 引言 |
| 2.2 低成本高速城域直接检测传输技术 |
| 2.2.1 城域直接检测传输系统基本结构 |
| 2.2.2 带宽预补偿原理 |
| 2.2.3 SSB调制原理 |
| 2.2.4 色散预补偿原理 |
| 2.3 低冗余弹性光网络 |
| 2.3.1 弹性光网络基本原理 |
| 2.3.2 ROADM基本原理 |
| 2.3.3 光网络软故障管理 |
| 2.3.4 常见机器学习算法 |
| 2.4 小结 |
| 第三章 城域直接检测传输系统非线性补偿技术研究 |
| 3.1 引言 |
| 3.2 KK检测 |
| 3.3 稀疏I/QVF |
| 3.3.1 I/QVF基本结构 |
| 3.3.2 基于l1正则化的I/Q VF重要核识别方法 |
| 3.4 KK检测在PAM4直接检测传输系统中的实验研究 |
| 3.4.1 基于DD-MZM和KK检测的SSB-PAM4传输方案 |
| 3.4.2 实验框图与DSP流程 |
| 3.4.3 光背靠背实验结果分析 |
| 3.4.4 光纤传输实验结果分析 |
| 3.5 稀疏I/QVF在单偏振16QAM直接检测传输系统中的非线性补偿效果实验研究 |
| 3.5.1 实验框图与DSP流程 |
| 3.5.2 光背靠背下I/QVF非线性补偿效果分析 |
| 3.5.3 光纤传输长度为960km时I/QVF非线性补偿效果分析 |
| 3.5.4 稀疏I/Q VF性能和复杂度分析 |
| 3.6 小结 |
| 第四章 城域直接检测传输系统低分辨率DAC量化噪声补偿技术研究 |
| 4.1 引言 |
| 4.2 低分辨率DAC量化噪声整形技术 |
| 4.2.1 DRE技术 |
| 4.2.2 EFNS技术 |
| 4.3 基于幅度互补累积分布函数的Clipping技术 |
| 4.4 DRE和Clipping在色散预补偿低分辨率高速直接检测PAM4系统中的仿真分析 |
| 4.4.1 仿真框图和DSP流程 |
| 4.4.2 光背靠背DRE抽头长度和DAC每符号采样数的影响 |
| 4.4.3 光背靠背和80公里光纤传输场景下Clipping性能分析 |
| 4.4.4 光背靠背下Clipping和DRE在不同采样时间抖动的情况下的性能分析 |
| 4.4.5 光背靠背和80公里光纤传输OSNR性能分析 |
| 4.5 EFNS在低分辨率高速直接检测PAM4系统中的实验研究 |
| 4.5.1 实验框图和DSP流程 |
| 4.5.2 参数优化 |
| 4.5.3 DAC采样率、PNoB和Clipping概率对量化噪声补偿性能的影响 |
| 4.5.4 光背靠背和10km光纤传输下ROP性能分析 |
| 4.6 小结 |
| 第五章 城域低冗余弹性光网络软故障诊断技术研究 |
| 5.1 引言 |
| 5.2 基于数字谱的光网络软故障诊断技术 |
| 5.2.1 五种常见软故障分析 |
| 5.2.2 基于谱面积的数字谱特征提取方法设计 |
| 5.2.3 特征提取方法有效性仿真分析 |
| 5.3 基于数字谱的双阶软故障检测和识别方法实验研究 |
| 5.3.1 基于数字谱的双阶软故障检测和识别框架 |
| 5.3.2 实验框图与数据集构建 |
| 5.3.3 双阶软故障检测性能分析 |
| 5.3.4 基于SVM的软故障识别性能分析 |
| 5.4 基于数字谱的低复杂度、低内存开销软故障诊断方案仿真研究 |
| 5.4.1 基于数字谱的软故障诊断框架 |
| 5.4.2 Welch PSD计算方法 |
| 5.4.3 仿真框图和数据集采集 |
| 5.4.4 两种数字谱的软故障检测和识别性能比较 |
| 5.4.5 子段长度对Welch方法性能的影响 |
| 5.4.6 故障幅度估计性能评估 |
| 5.5 小结 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 作者攻读博士学位期间的学术论文目录 |
（4）基于机器学习的光网络传输质量预测方法与资源优化技术（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 光网络的智能化 |
| 1.2.1 光网络智能化的需求分析 |
| 1.2.2 光网络智能化的演进方向 |
| 1.2.3 光网络智能化的关键技术 |
| 1.3 光网络智能化的关键问题 |
| 1.3.1 多信道的QoT预测问题 |
| 1.3.2 高效灵活的基带功能部署问题 |
| 1.3.3 移动流量下的基带资源优化问题 |
| 1.4 国内外研究现状 |
| 1.4.1 基于机器学习的QoT预测研究进展 |
| 1.4.2 基带功能部署策略的研究进展 |
| 1.4.3 移动流量下基带功能部署与资源优化的研究进展 |
| 1.5 论文的主要研究内容 |
| 1.6 论文的组织结构 |
| 第二章 基于神经网络的多信道传输质量预测模型 |
| 2.1 多信道Q-factor预测问题的提出 |
| 2.2 多信道传输实验平台 |
| 2.3 基于ANN的预测模型 |
| 2.3.1 ANN的工作原理 |
| 2.3.2 基于ANN的多信道Q-factor回归模型 |
| 2.4 实验结果与讨论 |
| 2.4.1 基于ANN的Q-factor回归模型的收敛和泛化性 |
| 2.4.2 模型对链路Q-factor的预测 |
| 2.5 本章小结 |
| 2.6 实验数据的补充说明 |
| 第三章 基于深度强化学习的基带功能部署和路由策略 |
| 3.1 NG-RAN下的基带功能部署问题 |
| 3.2 系统结构 |
| 3.3 ILP模型和DRL算法的描述 |
| 3.3.1 ILP模型描述 |
| 3.3.2 DRL算法的描述 |
| 3.4 仿真结果与分析 |
| 3.4.1 C-RAN构架下的仿真结果 |
| 3.4.2 NG-RAN下的仿真结果 |
| 3.5 本章小结 |
| 第四章 基于流量预测的基带功能部署与迁移策略 |
| 4.1 移动流量下的基带功能部署问题 |
| 4.2 系统模型描述 |
| 4.2.1 联合优化模型 |
| 4.2.2 基于LSTM的流量预测 |
| 4.3 基于流量预测的基带功能部署策略建模 |
| 4.4 仿真结果分析 |
| 4.4.1 LSTM的流量预测分析 |
| 4.4.2 基于流量预测的部署策略性能分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 文章总结 |
| 5.2 未来展望 |
| 参考文献 |
| 附录 缩略语 |
| 致谢 |
| 攻读博士学位期间发表论文情况 |
（5）智能感知光网络中光性能监测与信号处理关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 光网络发展进程 |
| 1.1.2 光网络发展需求与问题 |
| 1.1.3 感知光网络的提出 |
| 1.1.4 感知光网络关键技术 |
| 1.2 感知光网络研究现状 |
| 1.3 论文主要工作和创新点 |
| 1.4 论文各章的关联关系 |
| 参考文献 |
| 第二章 人工智能驱动的智能感知光网络架构 |
| 2.1 智能感知光网络基本概念 |
| 2.2 智能感知光网络核心要素 |
| 2.2.1 网络状态感知 |
| 2.2.2 网络管理控制 |
| 2.2.3 软定义网络组件 |
| 2.3 AI驱动型智能感知光网络总体架构 |
| 2.4 本章小结 |
| 参考文献 |
| 第三章 光传输系统自适应损伤监测与补偿算法研究 |
| 3.1 相干光传输系统中自适应色散监测算法 |
| 3.1.1 低复杂度自适应色散监测的意义 |
| 3.1.2 基于深度神经网络的低复杂度色散监测算法工作原理 |
| 3.1.3 仿真系统 |
| 3.1.4 仿真结果与对比分析 |
| 3.2 自由空间光通信系统中大气湍流监测与自适应解调算法研究 |
| 3.2.1 大气湍流监测与OAM-SK自适应解调的意义 |
| 3.2.2 基于卷积神经网络的大气湍流监测与自适应解调算法工作原理 |
| 3.2.3 数值仿真系统 |
| 3.2.4 数值仿真结果与对比分析 |
| 3.3 本章总结 |
| 参考文献 |
| 第四章 面向智能感知光网络数据库的数据增强算法研究 |
| 4.1 基于深度学习的时序数据增强算法 |
| 4.1.1 自适应时序数据增强的意义 |
| 4.1.2 基于深度学习的自适应流量数据增强算法工作原理 |
| 4.1.3 实验数据与对比分析 |
| 4.2 基于生成对抗网络的网络故障数据均衡方案 |
| 4.2.1 网络故障数据均衡的意义 |
| 4.2.2 典型数据均衡方法 |
| 4.2.3 基于生成对抗网络的网络故障数据增强算法工作原理 |
| 4.2.4 实验数据与对比分析 |
| 4.3 本章小结 |
| 参考文献 |
| 第五章 基于物理层感知与网络层反馈的资源管控机制研究 |
| 5.1 物理层感知与网络层反馈对于资源管控的意义 |
| 5.2 基于双引擎深度强化学习的可编程光收发机工作原理 |
| 5.3 实验与仿真平台 |
| 5.4 结果分析与讨论 |
| 5.5 本章小结 |
| 参考文献 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来工作展望 |
| 附录缩略语 |
| 致谢 |
| 博士期间发表论文 |
（6）基于SDN的光接入网控制架构若干关键技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 符号说明 |
| 缩略语简表 |
| 1 绪论 |
| 1.1 研究目的与意义 |
| 1.1.1 光接入网发展面临的关键问题 |
| 1.1.2 光接入网引入SDN的必要性 |
| 1.2 国内外研究进展和现状 |
| 1.2.1 SDON标准化进展 |
| 1.2.2 SDON产业化进展 |
| 1.2.3 SDON技术化进展 |
| 1.2.4 面临的挑战及现状 |
| 1.3 本文研究内容 |
| 1.4 论文结构 |
| 2 相关知识与定义 |
| 2.1 接入网 |
| 2.2 无源光网络 |
| 2.3 软件定义网络 |
| 2.4 线性规划模型 |
| 2.5 加密生成地址算法 |
| 2.6 本章小结 |
| 3 基于SDN的光与无线融合接入网跨层控制架构 |
| 3.1 问题的提出 |
| 3.2 相关研究 |
| 3.3 整体设计 |
| 3.3.1 解决问题的主要思路 |
| 3.3.2 架构设计 |
| 3.3.3 融合型OLT和 ONU的功能构建 |
| 3.3.4 SDN控制器的功能构建 |
| 3.4 架构交互 |
| 3.5 架构分析 |
| 3.6 本章小结 |
| 4 基于SDN的光接入网动态带宽分配方案 |
| 4.1 问题的提出 |
| 4.2 相关研究 |
| 4.3 方案设计 |
| 4.3.1 解决问题的主要思路 |
| 4.3.2 决策变量 |
| 4.3.3 约束条件 |
| 4.3.4 最大化目标 |
| 4.4 方案分析 |
| 4.5 本章小结 |
| 5 基于SDN的光接入网轻量级安全身份双向认证方案 |
| 5.1 问题的提出 |
| 5.2 相关研究 |
| 5.3 方案前期准备 |
| 5.3.1 解决问题的主要思路 |
| 5.3.2 Open Flow协议扩展 |
| 5.3.3 控制器和OLT的功能模块设计 |
| 5.3.4 CGA的生成验证及秘钥算法选择 |
| 5.4 方案构造 |
| 5.4.1 通信节点间首次认证绑定 |
| 5.4.2 通信节点间非首次认证绑定 |
| 5.4.3 方案的公式化度量模型 |
| 5.5 方案分析 |
| 5.5.1 性能分析 |
| 5.5.2 实验仿真与结果 |
| 5.6 本章小结 |
| 6 总结和展望 |
| 6.1 本文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 作者简介 |
| 学位论文数据集 |
（7）智能制造工业的无源光网络优化及风险管理研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 文献综述 |
| 1.3.1 项目风险管理的内容 |
| 1.3.2 风险管理方法的研究 |
| 1.3.3 智能制造的文献综述 |
| 1.3.4 无源光网络的文献综述 |
| 1.4 研究框架与方法 |
| 1.4.1 主要内容概述 |
| 1.4.2 研究方法与技术路线 |
| 第二章 智能制造工业全光网风险管理现状及分析 |
| 2.1 智能制造工业的应用场景需求 |
| 2.1.1 网络应用场景阐述 |
| 2.1.2 智能制造网络的通信标准 |
| 2.1.3 智能制造信息化应用的需求 |
| 2.1.4 智能制造网络的安全要求 |
| 2.2 智能制造工业网络的风险识别 |
| 2.2.1 项目的网络组网风险 |
| 2.2.2 项目的网络安全风险 |
| 2.3 智能制造工业网络的项目风险分析 |
| 2.3.1 网络组网的风险分析 |
| 2.3.2 网络安全的风险分析 |
| 2.4 本章小结 |
| 第三章 智能制造工业无源光网络解决优化方案 |
| 3.1 方案描述 |
| 3.1.1 方案建设目标 |
| 3.1.2 方案规划思路 |
| 3.1.3 工业PON的工作原理 |
| 3.2 工业PON解决方案 |
| 3.2.1 方案描述 |
| 3.2.2 方案部署建议 |
| 3.3 智能车间语音解决方案 |
| 3.4 智能车间数据采集解决方案 |
| 3.5 智能车间工位视频监控解决方案 |
| 3.6 智能车间无线网络承载解决方案 |
| 3.7 工业PON系统VLAN& IP地址规划建议 |
| 3.8 工业PON端到端QoS解决方案 |
| 3.9 工业PON运维解决方案 |
| 3.9.1 网络管理解决方案 |
| 3.9.2 设备认证方案建议 |
| 3.9.3 设备开通及业务发放方案建议 |
| 第四章 智能制造工业无源光网络风险防控研究 |
| 4.1 网络风险防控研究的背景 |
| 4.1.1 风险防控需求及建议 |
| 4.1.2 技术解决路线 |
| 4.1.3 信息系统安全的设计原理 |
| 4.2 网络安全风险评估 |
| 4.2.1 安全风险评估目的 |
| 4.2.2 安全风险评估要素 |
| 4.2.3 安全风险评估过程 |
| 4.2.4 安全风险评估工具 |
| 4.2.5 安全风险评估标准 |
| 4.3 网络组网风险应对措施 |
| 4.3.1 冗余保护的几种实现方式 |
| 4.3.2 光纤“手拉手”保护机制说明 |
| 4.4 信息系统访问区风险应对措施 |
| 4.4.1 访问控制技术 |
| 4.4.2 入侵检测/防御技术 |
| 4.4.3 上网行为管理技术 |
| 4.5 大DMZ区(应用发布区)风险应对措施 |
| 4.5.1 访问控制技术 |
| 4.5.2 WEB防护技术 |
| 4.5.3 网络行为审计技术 |
| 4.5.4 运维审计(堡垒机)技术 |
| 4.6 应用安全开发管理规范 |
| 4.6.1 需求分析阶段 |
| 4.6.2 安全功能设计阶段 |
| 4.6.3 实施开发阶段 |
| 4.6.4 测试验证阶段 |
| 4.6.5 上线发布阶段 |
| 第五章 研究结论与政策建议 |
| 5.1 智能制造工业PON的解决特点 |
| 5.2 智能制造工业PON的发展建议 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
（8）软件定义分层光接入网及其应用技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词表 |
| 第一章 绪论 |
| 1.1 光接入网应用需求 |
| 1.1.1 高速宽带固网接入 |
| 1.1.2 5G移动通信接入 |
| 1.1.3 数据中心网络 |
| 1.1.4 物联网 |
| 1.1.5 工业互联网 |
| 1.2 光接入网技术研究进展 |
| 1.2.1 光接入网协议标准与架构 |
| 1.2.2 基于边缘计算的光接入网 |
| 1.2.3 基于动态资源配置的高效光接入网 |
| 1.3 软件定义光接入网技术研究进展 |
| 1.3.1 SDN技术 |
| 1.3.2 软件定义光接入网技术 |
| 1.3.3 基于光电混合交换的数据中心网络 |
| 1.4 本论文的主要工作 |
| 1.4.1 本文研究意义 |
| 1.4.2 本文研究框架与路线 |
| 1.4.3 本文章节安排 |
| 参考文献 |
| 第二章 软件定义分层光接入网架构与性能分析 |
| 2.1 SD-HOAN方案 |
| 2.1.1 SD-HOAN架构 |
| 2.1.2 簇、集、域分层MAC |
| 2.1.3 SD-HOAN数据格式 |
| 2.1.4 周期信令传输机制 |
| 2.1.5 时隙密排调度算法 |
| 2.2 SD-HOAN仿真器 |
| 2.2.1 SD-HOAN节点流量生成模型与统计特征 |
| 2.2.2 网络性能评估参数及定义 |
| 2.2.3 SD-HOAN仿真器设计与实现 |
| 2.3 SD-HOAN性能分析 |
| 2.3.1 仿真参数设置 |
| 2.3.2 吞吐量与帧时延 |
| 2.3.3 平均时隙长度 |
| 2.3.4 与传统光接入网对比分析 |
| 本章小结 |
| 参考文献 |
| 第三章 无源光分配层节点及媒质接入控制融合技术 |
| 3.1 单、双纤双向PODN方案 |
| 3.1.1 单纤双向PODN |
| 3.1.2 双纤双向PODN |
| 3.2 媒质接入控制与调度算法 |
| 3.2.1 单纤双向PODN-MAC |
| 3.2.2 双纤双向PODN-MAC |
| 3.3 PODN性能分析 |
| 3.3.1 单纤双向PODN |
| 3.3.2 双纤双向PODN |
| 3.3.3 单、双纤双向PODN性能对比分析 |
| 本章小结 |
| 参考文献 |
| 第四章 输出端口带宽可重构光电混合核心交换节点技术 |
| 4.1 输出端口带宽可重构HOECSN方案 |
| 4.1.1 节点结构 |
| 4.1.2 光交换矩阵方案 |
| 4.1.3 寻址与缓存 |
| 4.1.4 输出端口带宽重构技术 |
| 4.2 静态流量节点性能分析 |
| 4.2.1 静态流量空间偏斜度 |
| 4.2.2 输出带宽分配算法 |
| 4.2.3 输出带宽利用率与时延性能分析 |
| 4.2.4 光交换矩阵配置时间对节点性能的影响 |
| 4.3 动态流量节点性能分析 |
| 4.3.1 动态流量空间偏斜度 |
| 4.3.2 准实时渐进式输出带宽分配算法 |
| 4.3.3 HOECSN与固定带宽交换机性能对比分析 |
| 本章小结 |
| 参考文献 |
| 第五章 大规模数据中心SD-HOAN系统设计与分析 |
| 5.1 大规模数据中心SD-HOAN系统方案 |
| 5.1.1 系统结构 |
| 5.1.2 PODN与光接口结构设计 |
| 5.1.3 信道分配与双MAC |
| 5.2 数据中心流量统计特征与业务分级综合流量模型 |
| 5.2.1 数据中心流量统计特征 |
| 5.2.2 数据中心业务分级综合流量模型 |
| 5.2.3 流量生成实例 |
| 5.3 LSDM调度算法与网络系统性能分析 |
| 5.3.1 LSDM调度算法[5] |
| 5.3.2 网络系统性能分析 |
| 5.3.3 与CSMA/CD算法性能对比 |
| 5.3.4 与POXN、POTORI架构性能对比分析 |
| 5.4 系统扩展性与功耗分析 |
| 5.4.1 扩展性 |
| 5.4.2 系统功耗 |
| 本章小结 |
| 参考文献 |
| 第六章 智能变电站SD-HOAN系统设计与实现 |
| 6.1 智能变电站SD-HOAN系统方案 |
| 6.1.1 过程层业务与组网模式 |
| 6.1.2 系统与节点结构 |
| 6.1.3 基于故障树的系统可靠性建模 |
| 6.1.4 可靠性仿真分析 |
| 6.2 智能变电站面向SV业务的SD-HOAN系统方案 |
| 6.2.1 系统结构 |
| 6.2.2 节点结构 |
| 6.2.3 性能仿真 |
| 6.3 智能变电站面向SV业务的SD-HOAN系统研制 |
| 6.3.1 边缘节点原型样机研制与测试 |
| 6.3.2 核心节点原型样机研制与测试 |
| 6.3.3 第三方检测 |
| 6.4 四川黄水220kV变电站SD-HOAN系统实验 |
| 6.4.1 实验系统节点部署 |
| 6.4.2 实验系统测试结果 |
| 6.4.3 分析与讨论 |
| 本章小结 |
| 参考文献 |
| 第七章 总结与展望 |
| 致谢 |
| 攻读博士学位期间完成的学术论文及获得的科研成果 |
| 表格索引 |
| 图形索引 |
（9）基于EPON的智慧校园接入网系统设计及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题依据与研究意义 |
| 1.2 智慧校园EPON网络和局域网的比较 |
| 1.3 本文创新应用 |
| 1.4 文章结构 |
| 第二章 EPON关键技术介绍 |
| 2.1 PON介绍 |
| 2.1.1 EPON |
| 2.1.2 GPON |
| 2.2 EPON系统关键技术 |
| 2.2.1 MPCP和LLID |
| 2.2.2 测距技术 |
| 2.2.3 ONU自动注册 |
| 2.2.4 突发接收技术 |
| 2.2.5 动态带宽分配(DBA)技术 |
| 2.3 EPON系统组网关键技术 |
| 2.3.1 QinQ技术 |
| 2.3.2 多业务承载技术 |
| 2.3.3 QoS技术 |
| 2.4 本章小结 |
| 第三章 智慧校园EPON网络系统设计 |
| 3.1 校园基本情况 |
| 3.1.1 校园主要功能区 |
| 3.1.2 校园网络现状 |
| 3.2 智慧校园及基础网络建设要求 |
| 3.2.1 智慧校园建设要求 |
| 3.2.2 基础网络建设要求 |
| 3.3 EPON网络设计 |
| 3.3.1 设计原则 |
| 3.3.2 网络规划总体设计 |
| 3.3.3 光纤网络详细设计 |
| 3.3.4 设备清单配置及设备选型 |
| 3.4 本章小结 |
| 第四章 智慧校园EPON网络系统的项目管理及应用 |
| 4.1 项目管理要点 |
| 4.1.1 风险和安全管理 |
| 4.1.2 进度管理 |
| 4.1.3 质量管理 |
| 4.1.4 成本控制 |
| 4.1.5 项目管理的其它要素 |
| 4.2 项目实施主要工序和流程 |
| 4.2.1 项目管理团队组建 |
| 4.2.2 项目现场勘察及深化设计 |
| 4.2.3 项目进场施工及管理 |
| 4.2.4 项目试运行 |
| 4.2.5 项目竣工验收及移交 |
| 4.2.6 项目保修 |
| 4.3 EPON网络系统的应用及实施 |
| 4.3.1 设备安装 |
| 4.3.2 光缆线缆施工 |
| 4.3.3 机房等基础设施建设 |
| 4.3.4 系统调试与测试 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 致谢 |
（10）面向5G应用的认知数据中心互连网络架构设计与关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 光网络技术 |
| 1.3 DCIN所面临的挑战 |
| 1.4 DCIN研究现状分析 |
| 1.5 本论文主要研究内容和组织结构 |
| 2 认知数据中心互连光网络 |
| 2.1 构建新型DCIN所需技术 |
| 2.2 光网络技术演进分析 |
| 2.3 面向5G应用的DCIN架构设计 |
| 2.4 CDCIN业务处理逻辑过程 |
| 2.5 本章小结 |
| 3 基于SDM光传输组网的DCIN建模与网络性能分析 |
| 3.1 SDM光传输背景 |
| 3.2 CDCIN网络模型及问题分析 |
| 3.3 SDM传输数学模型构建 |
| 3.4 关键网络性能推导 |
| 3.5 数值仿真分析 |
| 3.6 本章小结 |
| 4 认知平面中基于深度学习的自适应路由 |
| 4.1 路由协议简介 |
| 4.2 ASON路由协议及问题分析 |
| 4.3 CDCIN认知平面中路由算法设计思路 |
| 4.4 基于深度学习的自适应路由算法实现 |
| 4.5 仿真和结果分析 |
| 4.6 本章小结 |
| 5 认知平面基于深度学习的传输时延优化 |
| 5.1 网络切片背景简介 |
| 5.2 5G承载网切片技术 |
| 5.3 CDCIN中基于网络层的动态网络切片设计与实现 |
| 5.4 基于多个DNN组合的动态网络切片算法实现 |
| 5.5 仿真与结果分析 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 论文内容及创新点总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读博士期间发表论文目录 |
| 附录2 缩略词汇表 |
四、先进光网络支撑技术与研究进展（论文参考文献）
- [1]无源光网络端口资源自动采集算法研究[D]. 苏东. 西安理工大学, 2021(01)
- [2]量子密钥分发组网与应用关键技术研究[D]. 曹原. 北京邮电大学, 2021
- [3]大容量低成本城域光网络关键技术研究[D]. 舒亮. 北京邮电大学, 2021(01)
- [4]基于机器学习的光网络传输质量预测方法与资源优化技术[D]. 高争光. 北京邮电大学, 2020(01)
- [5]智能感知光网络中光性能监测与信号处理关键技术研究[D]. 李进. 北京邮电大学, 2020(04)
- [6]基于SDN的光接入网控制架构若干关键技术研究[D]. 刘涛. 河南理工大学, 2020(01)
- [7]智能制造工业的无源光网络优化及风险管理研究[D]. 蔡君峰. 南京邮电大学, 2018(03)
- [8]软件定义分层光接入网及其应用技术研究[D]. 郑宇. 东南大学, 2019
- [9]基于EPON的智慧校园接入网系统设计及应用[D]. 刘温良. 厦门大学, 2019(02)
- [10]面向5G应用的认知数据中心互连网络架构设计与关键技术研究[D]. 江涛. 华中科技大学, 2019(03)