论文部分内容阅读
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Quartus II13.0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。