基于反射拓扑图推理的超大规模无源节点识别方法与流程

本发明涉及网络测量、反射测量与网络拓扑推断，具体是基于反射拓扑图推理的超大规模无源节点识别方法。

背景技术：

1、分支型传输网络、线缆网络、光纤网络与多端口互联网络包含无源节点与分支结构。无源节点不主动发射信号，运维侧通过探测端口注入探测信号并采集反射响应，基于反射峰位置估计往返传播延迟并完成节点位置判定或分支归属判定。

2、分支路径导致往返传播延迟出现歧义，同一反射峰对应多个候选无源节点。多端口探测条件下，探测端口采样时钟偏移、端口幅度误差与端口相位误差引入反射峰位置偏移与幅相偏差，跨探测配置结果一致性不足，目标无源节点标识输出可靠性与可复现性下降。

3、因此，需要一种能够在多探测配置条件下结合网络拓扑先验约束与反射峰特征，构建可推理的数据结构并完成一致性判定，同时在判定未通过时能够选择追加探测配置以降低延迟窗交叠歧义的无源节点识别方案。

技术实现思路

1、本发明目的在于提供用于解决现有技术中存在的上述问题之一的技术方案。具体来说，本发明通过下述技术方案实现：

2、基于反射拓扑图推理的超大规模无源节点识别方法，包括如下步骤：

3、步骤一，获取待测网络网络拓扑信息与传播参数，建立网络拓扑模型生成候选无源节点集合，测量探测端口采样时钟偏移得到时钟偏移表，采集校准响应得到幅度补偿表与相位补偿表，获取一致性阈值、分离度阈值、k值、追加次数上限；

4、步骤二，生成探测配置集合，并建立探测端口与互正交探测波形的一一对应关系；

5、步骤三，按探测配置注入互正交探测波形并采集探测端口反射响应，基于时钟偏移表、幅度补偿表、相位补偿表补偿反射响应，匹配滤波得到时延序列并通过峰值检测得到反射峰位置、反射峰幅度补偿值、反射峰相位补偿值；

6、步骤四，基于网络拓扑模型计算探测端口到候选无源节点的路径长度，并基于传播参数中的传播速度参数计算预测往返传播延迟窗，构建反射拓扑图确定关联反射峰，基于反射峰幅度补偿值与反射峰相位补偿值计算边权匹配度；

7、步骤五，基于反射拓扑图计算一致性评分与一致性评分差值，一致性评分为候选无源节点关联反射峰边权匹配度求和，一致性评分差值为最高一致性评分与次高一致性评分的差，最高一致性评分不小于一致性阈值且一致性评分差值不小于分离度阈值时，输出目标无源节点标识与目标无源节点分支标识；

8、步骤六，未通过判定时按一致性评分排序前k名形成不确定候选集，选择追加探测配置并重复步骤三至步骤五，追加次数达到追加次数上限或探测配置集合耗尽时输出不确定候选集并修正网络拓扑模型。

9、进一步的，所述的生成候选无源节点集合，包括：

10、为候选无源节点记录候选无源节点标识、候选无源节点分支标识、探测端口到候选无源节点路径长度。

11、进一步的，所述的测量探测端口采样时钟偏移得到时钟偏移表，包括：

12、对每个探测端口测量采样时钟偏移，并将采样时钟偏移写入时钟偏移表。

13、进一步的，所述的采集校准响应得到幅度补偿表与相位补偿表，包括：

14、基于校准响应计算幅度补偿量并写入幅度补偿表，并基于校准响应计算相位补偿量并写入相位补偿表。

15、进一步的，所述的基于时钟偏移表、幅度补偿表、相位补偿表补偿反射响应，包括：

16、依据时钟偏移表对反射响应施加时间偏移补偿量，并依据幅度补偿表对反射响应施加幅度补偿量，并依据相位补偿表对反射响应施加相位补偿量。

17、进一步的，所述的计算预测往返传播延迟窗，包括：

18、基于探测端口到候选无源节点路径长度与传播参数中的传播速度参数计算预测往返传播延迟，并基于采样时钟偏移确定预测往返传播延迟窗宽度生成预测往返传播延迟窗。

19、进一步的，所述的通过峰值检测得到反射峰位置、反射峰幅度补偿值、反射峰相位补偿值，包括：

20、在时延序列中确定反射峰位置，并在反射峰位置处提取补偿反射响应的幅度得到反射峰幅度补偿值，并在反射峰位置处提取补偿反射响应的相位得到反射峰相位补偿值。

21、进一步的，所述的基于反射峰幅度补偿值与反射峰相位补偿值计算边权匹配度，包括：

22、对反射峰幅度补偿值乘以幅度权重得到幅度得分，对反射峰相位补偿值乘以相位权重得到相位得分，将幅度得分与相位得分求和得到边权匹配度。

23、进一步的，所述的选择追加探测配置，包括：

24、基于不确定候选集计算候选追加探测配置的延迟窗重叠数量，延迟窗重叠数量为不确定候选集内候选无源节点预测往返传播延迟窗发生交叠的候选无源节点对数量，选择延迟窗重叠数量最少的候选追加探测配置作为追加探测配置。

25、进一步的，所述的基于反射拓扑图计算一致性评分，包括：针对每个候选无源节点，按照已执行探测配置对候选无源节点的关联反射峰进行分组，从每个分组中选取边权匹配度最大的关联反射峰；将同一候选无源节点在不同分组中选取的关联反射峰的边权匹配度求和，得到候选无源节点的一致性评分。

26、本发明与现有技术相比，具有如下的优点和有益效果：

27、1.利用网络拓扑模型与传播速度参数计算预测往返传播延迟窗并进行关联反射峰门控，降低分支路径引起的峰—节点关联歧义。

28、2.利用时钟偏移表、幅度补偿表、相位补偿表对探测端口反射响应进行补偿，提升跨探测配置的反射峰特征一致性。

29、3.利用反射拓扑图与边权匹配度组织候选无源节点与反射峰关系，利用一致性评分与一致性评分差值实现可复现判定输出。

30、4.利用不确定候选集与延迟窗重叠数量最小化选择追加探测配置，降低候选歧义并提升判定通过率，控制追加次数。

1.基于反射拓扑图推理的超大规模无源节点识别方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于反射拓扑图推理的超大规模无源节点识别方法，其特征在于，所述的生成候选无源节点集合，其中候选无源节点记录候选无源节点标识、候选无源节点分支标识、探测端口到候选无源节点路径长度。

3.根据权利要求1所述的基于反射拓扑图推理的超大规模无源节点识别方法，其特征在于，所述的测量探测端口采样时钟偏移得到时钟偏移表，包括：

4.根据权利要求1所述的基于反射拓扑图推理的超大规模无源节点识别方法，其特征在于，所述的采集校准响应得到幅度补偿表与相位补偿表，包括：

5.根据权利要求1所述的基于反射拓扑图推理的超大规模无源节点识别方法，其特征在于，所述的基于时钟偏移表、幅度补偿表、相位补偿表补偿反射响应，包括：

6.根据权利要求1所述的基于反射拓扑图推理的超大规模无源节点识别方法，其特征在于，所述的计算预测往返传播延迟窗，包括：

7.根据权利要求1所述的基于反射拓扑图推理的超大规模无源节点识别方法，其特征在于，所述的通过峰值检测得到反射峰位置、反射峰幅度补偿值、反射峰相位补偿值，包括：

8.根据权利要求1所述的基于反射拓扑图推理的超大规模无源节点识别方法，其特征在于，所述的基于反射峰幅度补偿值与反射峰相位补偿值计算边权匹配度，包括：

9.根据权利要求1所述的基于反射拓扑图推理的超大规模无源节点识别方法，其特征在于，所述的选择追加探测配置，包括：

10.根据权利要求1所述的基于反射拓扑图推理的超大规模无源节点识别方法，其特征在于，所述的基于反射拓扑图计算一致性评分，包括：针对每个候选无源节点，按照已执行探测配置对候选无源节点的关联反射峰进行分组，从每个分组中选取边权匹配度最大的关联反射峰；将同一候选无源节点在不同分组中选取的关联反射峰的边权匹配度求和，得到候选无源节点的一致性评分。