| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 光接入网发展趋势及面临的挑战 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.3 论文主要研究内容及组织结构 | 第18-21页 |
| 1.3.1 主要研究内容 | 第18-19页 |
| 1.3.2 论文的组织结构 | 第19-21页 |
| 第二章 分布式控制的软件定义时分复用无源光网络架构 | 第21-43页 |
| 2.1 软件定义网络概述 | 第21-31页 |
| 2.1.1 SDN的产生 | 第21-24页 |
| 2.1.2 OpenFlow协议概述 | 第24-26页 |
| 2.1.3 现有分布式控制的软件定义网络方案 | 第26-29页 |
| 2.1.4 软件定义光接入网(SDON)的产生 | 第29-31页 |
| 2.2 分布式控制的软件定义时分复用无源光网络(TDM-PON) | 第31-41页 |
| 2.2.1 分布式控制的软定义TDM-PON的架构设计 | 第31-34页 |
| 2.2.2 分布式控制器的调度方案 | 第34-39页 |
| 2.2.3 分布式控制器的性能分析 | 第39-41页 |
| 2.3 本章小结 | 第41-43页 |
| 第三章 基于神经网络的网络业务流量预测 | 第43-61页 |
| 3.1 网络业务特性及预测方案 | 第43-52页 |
| 3.1.1 自相似过程 | 第43-44页 |
| 3.1.2 重尾分布 | 第44-46页 |
| 3.1.3 传统流量预测方案 | 第46-50页 |
| 3.1.4 BP神经网络流量预测模型 | 第50-52页 |
| 3.2 基于BP神经网络的接入网上行流量预测方案 | 第52-55页 |
| 3.2.1 接入网上行流量拟合模型 | 第52-53页 |
| 3.2.2 适用于接入网上行流量预测的BP神经网络模型 | 第53-55页 |
| 3.3 接入网上行流量预测的仿真 | 第55-60页 |
| 3.3.1 仿真参数设置 | 第55-56页 |
| 3.3.2 性能分析 | 第56-60页 |
| 3.4 本章小结 | 第60-61页 |
| 第四章 基于神经网络预测的自适应动态带宽分配算法 | 第61-77页 |
| 4.1 动态带宽分配问题概述 | 第61-65页 |
| 4.1.1 动态带宽分配问题的提出 | 第61-63页 |
| 4.1.2 现有算法面临的挑战 | 第63-65页 |
| 4.2 基于神经网络预测的自适应动态带宽分配算法 | 第65-71页 |
| 4.2.1 ADBA-NNP的调度过程 | 第65-68页 |
| 4.2.2 算法流程 | 第68-71页 |
| 4.3 性能分析 | 第71-75页 |
| 4.3.1 仿真场景 | 第71-72页 |
| 4.3.2 性能分析 | 第72-75页 |
| 4.4 本章小结 | 第75-77页 |
| 第五章 总结与展望 | 第77-79页 |
| 5.1 论文总结 | 第77-78页 |
| 5.2 未来工作展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-85页 |
| 攻读硕士学位期间发表的学术论文 | 第85页 |
