10G EPON协议分析仪中前向纠错与业务识别的研究

摘要

随着人们对网络带宽不断增长的需求，万兆以太网无源光网络（10G EPON）接入网技术在近年得到了飞速发展并且已经试点部署，但10G EPON协议分析仪研究却滞后。
　　目前10G EPON协议分析仪功能单一，仅根据协议标准解码数据，然后打包成相应的以太网协议报文输出，这就导致传统10G EPON协议分析仪只能用于接入网侧捕获以太网协议报文。但分析无源光网络（PON）接入侧的网络信道和业务承载状况，实现对不同协议和业务精细化控制和管理，对以太网上层协议和业务进行分析是其工程应用关键所在。
　　为了完善10G EPON协议分析仪的功能，本文提出了一种协议分析仪新方案，除了解析10G EPON协议外，还能实现业务识别功能。10G EPON协议解析模块解码10G EPON协议，其关键是前向纠错译码。业务识别模块是通过相关技术识别业务报文类型，分析PON网络的业务分布状况，为实现智能管道和提高用户服务质量提供基础。
　　针对10G EPON协议分析仪方案设计与功能完善，本文主要研究内容与贡献包括：
　　(1)通过对前向纠错译码的分析，利用QuartusII13.0软件和Verilog语言编写硬件代码并进行验证。通过代码优化，降低了资源消耗。本文所设计译码器最多能纠正16个错误码元且完成一个前向纠错码块的译码时间只有72个周期，满足10Gbps高速数据处理的性能需求。
　　(2)研究了PON网络中的业务识别技术，提出了基于深度学习的业务识别方案。本文采用了卷积神经网络（CNN）和降噪自编码（DAE）作为识别模型来验证方案的可行性，并且根据应用场景改进了CNN结构以及两种模型的训练方式，最后使用MATLAB通过调试网络结构和参数完成了验证。对于公开数据集，两种模型都达到了97％的准确率；对于私有数据集，两种模型都达到了99%的准确率，但DAE在训练时间上比CNN更具优势。本文中CNN和DAE的研究结果表明，对于特征数据，CNN和DAE体现了较强的分类能力；对于业务报文数据，CNN和DAE体现了较强的提取特征能力。因此，本文提出的基于深度学习的10G EPON协议分析仪业务识别方案具有优越的应用前景。

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 10G EPON协议分析仪研究现状

1.3 论文研究内容与结构安排

第二章10G EPON中的前向纠错与业务识别技术

2.1 10G EPON协议标准简介

2.2 10G EPON物理层协议

2.3 10G EPON前向纠错技术

2.4 10G EPON业务识别技术

2.5 本章小结

第三章10G EPON协议分析仪中前向纠错的研究

3.1 10G EPON协议分析仪的整体框架

3.2 前向纠错译码模块设计

3.3 RS译码模块的仿真验证

3.4 本章小结

第四章 10G EPON协议分析仪中业务识别的研究

4.1 基于深度学习的业务识别方案

4.2 CNN算法分析

4.3 DAE 算法分析

4.4 本章小结

第五章10G EPON协议分析仪中业务识别方案的仿真验证

5.1 实验环境与实验工具

5.2 实验数据集

5.3 实验评价标准

5.4 基于CNN的业务识别方案仿真实验与结果分析

5.5 基于DAE的业务识别方案仿真实验与结果分析

5.6 本章小结

第六章 总结与展望

6.1 论文工作总结

6.2 后续工作展望

致谢

参考文献

攻读硕士学位期间取得的研究成果