HINOC是一種借助有線電視網同軸電纜,實現高性能雙向傳輸的寬帶接入解決方案。HINOC專注于最后100米的同軸寬帶接入,經過十余年的前沿技術積累和關鍵技術攻克,HINOC技術已形成具有自主知識產權的行業(yè)標準和國際標準,HINOC2.0協議于2016年3月成為我國廣電行業(yè)標準,于2016年10月成為國際電信聯盟ITU-T國際標準,目前HINOC技術逐步成熟并走向產業(yè)化。HINOC技術包括1.0和2.0兩代技術標準,HINOC 2.0提升了HINOC 1.0技術,信道帶寬由100Mbps提高到1Gbps,最大用戶數從32個增加到64個。帶寬分配機制是HINOC的關鍵技術之一,對提高網絡性能有著重要的意義。為了合理高效公平地分配帶寬資源,需要對HINOC2.0的帶寬分配機制進行深入研究,并對現有的帶寬分配算法進行改進和優(yōu)化以適應業(yè)務需求和提升的性能指標。本文主要研究HINOC 2.0的帶寬分配機制,在深入分析HINOC 2.0協議機制的基礎上,針對現有帶寬分配算法存在的問題進行優(yōu)化與改進,提出了一種基于神經網絡預測的動態(tài)帶寬分配算法（BP-DBA）。首先,介紹了HINOC 2.0接入技術,... 

【文章來源】：西安電子科技大學陜西省 211工程院校 教育部直屬院校

【文章頁數】：94 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 研究背景與意義
    1.2 本文工作及內容安排
第二章 HINOC 2.0接入技術概述
    2.1 引言
    2.2 HINOC 2.0技術概述
        2.2.1 組網方案與拓撲結構
        2.2.2 HINOC 2.0技術特征
    2.3 HINOC 2.0 MAC層協議
        2.3.1 MAC層協議棧
        2.3.2 MAC層幀類型
    2.4 HINOC 2.0信道分配機制
        2.4.1 信道分配機制概述
        2.4.2 MAP周期分配
    2.5 本章小結
第三章 帶寬分配算法研究
    3.1 引言
    3.2 接入網經典帶寬分配算法
        3.2.1 基于輪詢的IPACT算法
        3.2.2 基于QoS支持的DBA算法
        3.2.3 基于預測的DBA算法
        3.2.4 基于公平性的DBA算法
    3.3 HINOC 2.0現有帶寬分配算法
        3.3.1 固定帶寬分配算法
        3.3.2 基于實時隊長需求的動態(tài)帶寬分配算法
        3.3.3 基于簡單預測數據量的動態(tài)帶寬分配算法
    3.4 帶寬分配算法設計原則
        3.4.1 帶寬利用率問題
        3.4.2 QoS保證問題
        3.4.3 公平性問題
    3.5 改進算法需要解決的問題
        3.5.1 HINOC 2.0對動態(tài)帶寬分配算法的要求
        3.5.2 算法改進的方向
    3.6 本章小結
第四章 基于神經網絡預測的帶寬分配算法設計
    4.1 引言
    4.2 基于神經網絡的預測算法原理與設計
        4.2.1 HINOC隊列數據量預測建模
        4.2.2 預測算法選擇
        4.2.3 BP神經網絡原理
        4.2.4 BP神經網絡預測結構設計
        4.2.5 HINOC隊列數據量預測算法設計
    4.3 基于服務等級協定的帶寬分配策略設計
        4.3.1 帶寬需求的修正
        4.3.2 基于固定帶寬、保證帶寬和峰值帶寬的帶寬分配策略
    4.4 算法整體描述
    4.5 本章小結
第五章 仿真實現與結果分析
    5.1 引言
    5.2 OPNET Modeler簡介
    5.3 基于OPNET的HINOC系統仿真建模
        5.3.1 HINOC仿真拓撲結構
        5.3.2 HB節(jié)點設計
        5.3.3 HM節(jié)點設計
    5.4 仿真結果分析
        5.4.1 主要仿真參數的設置
        5.4.2 預測準確度
        5.4.3 時延
        5.4.4 帶寬利用率
        5.4.5 吞吐量
        5.4.6 公平性
        5.4.7 整體分析
    5.5 算法調整與優(yōu)化
    5.6 本章小結
第六章 工作總結與展望
參考文獻
致謝
作者簡介


【參考文獻】：
期刊論文
[1]改進的神經網絡EPON動態(tài)帶寬分配方法[J]. 江曉明,朱娜,董亮,李杰.  計算機工程與應用. 2012(36)
[2]BP神經網絡隱層單元數的確定方法及實例[J]. 嚴鴻,管燕萍.  控制工程. 2009(S2)
[3]基于Elman神經網絡的網絡流量建模及預測[J]. 王俊松.  計算機工程. 2009(09)
[4]高效公平的EPON DBA算法設計原則[J]. 甘蘋.  上海應用技術學院學報(自然科學版). 2008(04)
[5]基于卡爾曼濾波和小波的網絡流量預測算法研究[J]. 李捷,候秀紅,韓志杰.  電子與信息學報. 2007(03)

碩士論文
[1]HINOC 2.0 MAC層信道調度機制研究[D]. 姜逸坤.西安電子科技大學 2015
[2]基于PSO-BP神經網絡的網絡流量預測算法的研究與應用[D]. 封鵬.東北大學 2015
[3]校園網絡流量分析與預測研究[D]. 張昕.西安電子科技大學 2012
[4]基于混沌時間序列分析與支持向量機的網絡流量預測[D]. 謝渺.西華大學 2009
[5]基于BP神經網絡理論的校園網帶寬流量預測[D]. 唱雪.哈爾濱工程大學 2008
[6]網絡流量的特性分析與預測研究[D]. 王西鋒.西北大學 2007



本文編號：3460323