基于光学物理层网络编码(OPNC)的全光网络研究

来源 :深圳大学 | 被引量 : 0次 | 上传用户:ydlwxx
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在数据中心采用光学物理层网络编码(Optical Physical-layer Network Coding,OPNC)实现全光网络通信,是目前光纤通信研究的热点,有较高的学术价值和较大的应用价值。本文为提高数据中心的数据交换效率并减少时延和波长资源的浪费,将OPNC技术应用于数据中心无源光互联,并对技术方案所需的方法进行了深入地研究。主要完成的工作及创新点如下:(1)深入分析和评述了数据中心无源光互联结构的工作原理和现状,并对已有的OPNC系统进行了深入研究,指出基于SOA全光逻辑门系统占用波长资源多、基于偏振复用系统可靠性差、基于相干通信系统结构繁琐且实用性差等缺陷,重点分析了基于波分复用的OPNC技术方案,并针对其无法适用于超高速系统和精度过高等缺点进一步改进系统。将OPNC技术引入无源光互联,分别对平均时延和丢包率进行分析,仿真实验结果表明,在波长资源不足且系统高负载时,采取OPNC技术可大幅降低丢包率并且时延降低近100倍。(2)提出了在无源光互联中利用基于萨克纳克(sagnac)干涉仪的全光逻辑门实现OPNC的技术方案。深入研究了基于sagnac逻辑门的工作原理和系统结构,通过将基于sagnac的逻辑门与已有OPNC技术方案中的基于SOA的逻辑门进行对比,指出基于sagnac逻辑门在开关速率的优势。仿真实验结果表明,基于萨克纳克(sagnac)干涉仪的全光逻辑门OPNC超高速传输(20Gb/s)系统在同步/异步通信时可以实现无误码通信,波长资源占用量减少了50%,对接收/发送器件的精度要求更低;但耦合器的成本有所增加。(3)提出了在无源光互联中基于开关键控(OOK)和差分移位键控(DPSK)调制的相干通信OPNC技术方案。对相干光通信的现状进行评述,分析了光源线宽对相干通信的影响,利用MZ调制器对OOK和DPSK的调制原理进行深入分析,得到不同偏置电压下的调制模式。分别对基于OOK和DPSK相干通信OPNC技术方案的系统进行了设计,并针对影响系统可靠性的关键参数进行了仿真实验,实验结果表明,传输速率为30Gb/s的系统在光源功率差和线宽等影响下依旧可以达到无误码通信,波长资源占用量同样可减少50%,并且对光源功率要求不高,结构简单实用,无需增加耦合器成本,更加适合于数据中心中基于耦合器的无源全光互联结构的使用。
其他文献
现实生活中,很多四边形目标如屏幕、幻灯片、文档、白板等通常都是包含信息量丰富的信息载体。这些目标作为一种人造图形目标在生活、办公中被广泛应用。近年来,由于手机等移动设备得到了普及,用户通常使用手机对四边形目标进行拍照以保存目标中的内容,移动设备拍摄得到的图片能够便利的分享信息、整理保存。四边形目标检测的具体任务是将手机图片中四边形目标的四个角点检测出来,利用获取的四个角点的坐标,可将四边形目标截取
随着大数据时代的到来,机器学习、人工智能等技术使系统的计算能力更加高速、智能化,而神经网络是实现这些技术的关键手段之一。光学神经网络是以光作为计算方式的一种神经网络,和电神经网络相比具有更高速的传输能力以及超并行的处理能力。目前,国内外研究的光学神经网络体积较大,速度受限,并且没有反馈,且输出受输入影响较大。本课题研究了两种高速全光计算的脉冲神经元以及由它们构成的多层光学脉冲神经网络。该多层全光脉
近年来,移动机器人在智能制造与物流系统中得到了快速发展,其中机器人在未知环境下的同时定位与建图(SLAM,Simultaneous Localization and Mapping)的技术被大量应用和关注。基于单机器人的SLAM技术已经发展的比较成熟,并且当前主要的研究都集中在对单机器人SLAM算法的性能优化上面,对于多机器人的SLAM研究相对较少,本文针对多机器人SLAM中的机器人相对位姿确定和
随着网络应用数量的剧增,网络资源的精确匹配变得越来越重要,而推荐系统中的资源匹配问题就是如何从用户的历史偏好记录中发现特定规律,进而为网络用户提供个性化服务。作为推荐系统中更常见的一类数据,隐式反馈数据比以评分形式存在的显式反馈数据更容易收集,因此很多面向显式反馈的传统协同过滤方法被扩展来对隐式反馈数据建模。由于这类数据只包含诸如交互与否这种单一类别的信息,由此产生的一系列方法也被称为单类协同过滤
软体机器人易于制备、成本低、控制简单、柔顺性好,是机器人技术的前沿热点。软体手是软体机器人的重要方向,天然的被动柔顺特性使得采用简单的驱动算法即可实现稳定的抓取操作。结合可变刚结构,软体手具备刚度可控的特性,并且,柔顺性好、抓取力大,用于操作任务时,优势明显。因此,本文围绕可变刚度软体手的混合驱动结构设计、控制系统设计、抓取定位算法和智能视觉抓取等方面展开研究。具体内容如下:(1)结合层阻塞变刚度
MIMO雷达因其波形分集和空间分集特性,在目标检测和参数估计等方面具有分辨率高和抗干扰能力强等优势。针对大带宽信号,MIMO雷达采用奈奎斯特采样得到的海量数据对信号存储传输和处理造成了巨大压力。利用压缩感知理论可以解决MIMO雷达海量数据与稀疏目标信息之间的不平衡。现有的基于压缩感知的MIMO雷达信号处理方法大多存在着压缩采样的压缩率不高、信号重构导致的目标检测和参数估计精度低和实时性差等问题。因
近年来,伴随着对人机交互的探索,手势识别技术逐渐成为一个非常具有前景的研究热点。由于雷达传感器具有非接触、不受光照影响、不泄露个人隐私信息、可全天时、全天候工作等特点,基于雷达的手势识别技术是一个具有潜力的研究方向。然而,现有研究对手势信息的感知,主要是径向距离、径向多普勒和时频等手势特征信息,手势信息维度不足导致手势识别能力受到一定限制;特别是单雷达传感器通常无横向分辨能力,能够识别的手势种类很
随着如今海量的直播视频数据产生,从长视频提取出精彩短片段的需求也愈发迫切。但目前,提取精彩片段的多数解决方案仍是通过人工筛选,面对大量的视频,这种方法无疑会耗费大量的人力资源,如何实现高效的高光片段提取依旧是一个困扰业界的难题。且由于缺乏相关的数据集,相关领域的学术研究也同样较少。在本文中,我们将尝试利用直播弹幕来完成高光片段的识别与提取。弹幕是一类新型的视频交互形式,用户在观看直播视频的过程中,
人总是在和他所在场景里的物体进行交互,而人与物体的交互动作往往与人和物体两者都有很强的关联。在看不到物体的情况下,我们能否通过观察人和物体交互动作的骨骼动作序列,从而得知物体的属性呢?举例来说,当看不到箱子时,我们是否可以通过观察人搬箱子时的骨骼动作序列,就能得知箱子的重量呢?本文就这个问题做出了详细的研究论述。我们采集了一个大型的人与物体交互动作的数据集,其中包含视频数据和用动作捕捉服采集到的三
在液晶显示屏生产的领域中,由于生产工艺的局限导致生产出的液晶显示屏在显示时出现不规律的亮度、色彩上的不均匀,为了实现显示效果的稳定在液晶模组生产过程中需要对液晶显示屏的显示不均匀进行检测并加以补偿,该补偿过程在液晶显示屏生产领域称为De-mura。目前主流的De-mura系统中的设备主要由计算机(personal computer,PC)、视频信号发生器与相机组成,在目前的De-mrua系统中由于