SUPANET中数据流适配层协议的研究

SUPANET中数据流适配层协议的研究

论文摘要

密集波分复用技术为将电视网、电话网和传统计算机网络合并为一个数字化、分组化的集成的网络提供了高速通信条件,而现有的Internet的三层/两层的用户数据传输平面的传输效率低下、难以对未来不同服务质量的应用数据流提供服务质量保障,在这种背景下,作者所在的实验室提出了单物理层用户数据传输平面的体系结构(SUPA)。该全新的网络体系结构,利用带外信令控制技术,将服务质量保证体系的控制点的协议层次降低到物理层,并简化用户数据传输平面为单层平面。 本论文研究的主题是单物理层用户数据传输平面体系结构(SUPA)的应用数据流适配层(SAL)及其适配协议,其重点是为不同的服务质量需求的应用数据流提供适当的数据封装格式,从而实现应用数据流适配层在高层用户数据与物理帧之间进行适配,不必象传统数据网络中对用户数据进行层层封装,而是将高层的用户数据直接封装成物理帧,通过交换的虚线路(VL),在物理层实现对用户数据的高速交换,从而提高用户数据的传输效率。 在全新的网络体系结构SUPA中,作者首先对未来网络中的众多应用数据做了较深入的分析和比较,将高层应用数据分为恒定比特率数据流、可变比特率数据流和恒定/可变比特率的非实时数据流。又利用分层概念,将应用数据流适配层(SAL)分成两个子层(汇聚子层和拆装子层),提出并设计了3种面向“三网合一”需求的全新的应用数据流适配协议(SAL1、SAL2和SAL3)。这3种适配协议分别适配高层3类不同服务质量需求的应用数据。 其中,SAL1用于适配恒定比特率的实时数据流(第1类),作者利用了这类数据对于瞬时的数据错不敏感,特别设计了零功能的汇聚子层(即只需完成数据分割或重组),从而满足该类数据在传输时要求尽可能小的传输时延抖动的需要;SAL2用于适配可变比特率的实时数据流(第2类),SAL2允许不同的SAL2连接复用一条虚线路的设计更加充分适应短用户数据的传输需要,使得用户数据的传输效率得到大大提高,而且SAL2仅仅对头部信息的差错控制使得在低误码率的网络环境里数据传输的实时性得到更好的保证;SAL3用于适配恒定/变长比特率的非实时数据流(第3类),SAL3在功能上的设计与IP网络的紧密联系,为Internet向SUPANET的过渡提供有力支持。同时,为了适配传输速率变化很大

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 绪论
  • 1.1 引言
  • 1.2 本论文的学术背景及理论
  • 1.2.1 三网合一的大趋势
  • 1.2.2 现有的服务质量保障机制
  • 1.2.3 现有的网络体系结构
  • 1.2.4 密集波分复用技术DWDM概述
  • 1.3 本论文研究课题的来源及主要研究内容
  • 1.4 本论文的组织安排
  • 第2章 SUPA网络体系结构
  • 2.1 带外信令控制技术
  • 2.2 SUPA的协议层次模型和接口
  • 2.3 SUPANET的SUPA模式下的工作过程
  • 第3章 异步传输模式适配层简介
  • 3.1 ATM适配层的业务分类
  • 3.2 ATM适配层的结构
  • 3.3 AAL的5类协议
  • 3.4 AAL协议的比较
  • 第4章 应用数据流适配层
  • 4.1 未来“三网合一”网络的应用数据
  • 4.1.1 应用数据的分类
  • 4.1.2 应用数据的传输要求
  • 4.1.3 音频/视频数据流压缩技术
  • 4.2 应用数据流适配层SAL的分层结构
  • 4.2.1 SAL分层结构的必要性
  • 4.2.2 SAL的分层结构
  • 4.2.3 SAL协议数据单元
  • 4.2.4 SAL类型
  • 4.3 应用数据流适配层SAL协议
  • 4.3.1 SAL1对CBR-T数据流的适配
  • 4.3.2 SAL2对VBR-T数据流的适配
  • 4.3.3 SAL3对C/VBR-N数据流的适配
  • 4.4 小结
  • 第5章 适配层SAL的仿真
  • 5.1 OPNET网络仿真软件概述
  • 5.2 MODELER的仿真流程
  • 5.3 SUPANET的3类SAL协议的仿真模型设计
  • 5.3.1 SUPA环境的网络拓扑模型设计
  • 5.3.2 各个节点模型设计
  • 5.3.3 SAL进程模块和工作流程
  • 5.3.4 SAL进程的PDU格式模型设计
  • 5.4 3类SAL协议的端到端时延仿真结果
  • 5.4.1 仿真统计量的设计
  • 5.4.2 仿真结果
  • 结论
  • 致谢
  • 参考文献
  • 攻读硕士学位期间发表的论文
  • 附录 SAL进程仿真的功能函数
  • 相关论文文献

    • [1].基于动态窗口的大数据流式处理技术研究[J]. 数字技术与应用 2020(03)
    • [2].基于邻域相似的大数据流滞后相关性挖掘仿真[J]. 计算机仿真 2020(06)
    • [3].数据流技术在汽车维修中的应用探讨[J]. 时代汽车 2019(07)
    • [4].基于大数据的定性数据流聚类优化模型研究[J]. 西安文理学院学报(自然科学版) 2019(04)
    • [5].一种基于数据流的异常值检测改进算法[J]. 中国科技信息 2017(23)
    • [6].云计算中数据流存储负载均衡优化仿真[J]. 计算机仿真 2018(10)
    • [7].大数据流式计算系统综述[J]. 成组技术与生产现代化 2016(04)
    • [8].数据流技术在汽车维修中的应用[J]. 科技展望 2016(16)
    • [9].数据流分类挖掘中的概念变化研究[J]. 计算机科学 2014(S2)
    • [10].浙江传媒学院加快数据治理形成“数据流”[J]. 中国教育网络 2020(Z1)
    • [11].面向非平衡与概念漂移的数据流分类的研究[J]. 现代计算机 2020(04)
    • [12].基于迁移学习的数据流分类研究综述[J]. 天津理工大学学报 2019(03)
    • [13].试分析电网自动化中数据流技术的运用[J]. 电工文摘 2016(06)
    • [14].海量数据流的分类稳定性决策与评判数学模型仿真[J]. 科技通报 2016(02)
    • [15].非平稳数据流下的网络入侵检测优化方法研究[J]. 计算机仿真 2016(09)
    • [16].分布式数据流分类关键技术研究[J]. 华北科技学院学报 2015(04)
    • [17].数据流技术在电喷发动机维修中的应用分析[J]. 湖南农机 2014(05)
    • [18].数据流技术在电网自动化中的应用实践[J]. 电子技术与软件工程 2014(08)
    • [19].数据流技术在汽车维修中的运用[J]. 黑龙江科技信息 2014(26)
    • [20].数据流系统降载研究综述[J]. 计算机应用研究 2008(10)
    • [21].基于协调数据流抢占机制的原理及设计[J]. 电脑与电信 2008(10)
    • [22].基于多维分层采样的时间维度型大数据流整合系统设计[J]. 现代电子技术 2020(05)
    • [23].数据流计算环境下的集群资源管理技术[J]. 大数据 2020(03)
    • [24].大数据流计算特点及“单一窗口”适用场景探讨[J]. 中国口岸科学技术 2020(08)
    • [25].一种对数据流进行聚类的改进算法[J]. 电子设计工程 2017(22)
    • [26].分布式数据流上的高性能分发策略[J]. 软件学报 2017(03)
    • [27].一种基于质量估算的空间数据流聚类算法研究[J]. 计算机应用研究 2017(09)
    • [28].融合互近邻降噪的动态数据流分类研究[J]. 计算机科学与探索 2016(01)
    • [29].多媒体云计算下的大规模数据流调度方法研究[J]. 现代电子技术 2015(20)
    • [30].一种面向演进数据流的结合相似准则和反例信息的分类方法[J]. 控制与决策 2013(11)

    标签:;  ;  

    SUPANET中数据流适配层协议的研究
    下载Doc文档

    猜你喜欢