基于神经网络预测的以太无源光网络服务质量优化研究

摘要

以太无源光网络(EPON)是目前公认的光接入网主流技术，其中，动态带宽分配(DBA)机制是用于调度协调上行业务带宽的关键技术，是控制上行业务服务质量(QoS)的关键手段，对此进行研究对于提升系统性能具有重要的意义。
　　 OLT与ONU 通信是通过多点控制协议(MPCP)的五种控制帧交互实现的，准确的预测ONU在等待授权帧时间内到来的数据报文，能有效降低报文时延，提升系统上行效率。目前常见的预测方案主要为线性预测，不适应网络业务流量在低负载下仍会产生高突发现象的自相似长相关特点。本论文将网络业务的非线性预测引入DBA 机制，形成报告响应与业务预测相结合的调度机制与算法，以优化EPON 系统在多业务下的上行QoS 性能。
　　 本论文首先综述以太无源光网络的系统架构和通信协议，并从调度机制和授权长度算法两个方面详细分析了现有的各种动态带宽分配方案，接着深入分析网络业务的自相似长相关的特性及物理意义，详细演绎了后向神经网络的原理，并用MATLAB 工具进行仿真，验证了神经网络预测网络流量的准确性，最后提出基于神经网络预测的动态带宽分配算法(NPBA)，并建立基于OPNET 工具的仿真模型进行仿真实验。仿真实验表明，神经网络模型可以较为准确的实现非线性预测，在此基础上的 NPBA算法相比于一般的DBA算法，在兼顾系统吞吐量的同时，能有效的降低端到端时延，抑制时延抖动，优化服务质量。

目录

文摘

英文文摘

声明

1 绪论

2 EPON 系统

3 网络业务特性分析研究

4 网络业务的非线性预测

5 基于神经网络预测的动态带宽分配算法(NPBA)

6 总结及展望

致 谢

参考文献