0922-Tu1-F1-华为-数字孪生与智能体迈向ION-2030.pdf（第1–3页）
讲者/机构：华为（讲者未在页面上看到） | 题目：ION-2030: Enhanced Operations (1)–(3)（Tu1-F 场次中的一讲，完整英文原题未见） | 类型：产业发布/邀请报告
方向归属（主/次）：主 5 固定与无线接入（AI 运维/ION-2030）；次 6 光纤传感
核心主张：
ION-2030 的“增强运维”以知识中心本体（ontology）整合异构数据，并以此降低 AI Agent 大模型幻觉风险 [p1]。
用光纤传感、性能仿真模型（数字孪生）做故障前预警与传输性能持续修正 [p1]。
用 AI 做节能、家宽排障、Wi-Fi 感知、容量规划、路由优化与预防性维护 [p2–p3]。
关键数据：本讲为纯文字定性页，无实测指标。仅有量级描述：性能仿真模型采集“数千个光参数、数十亿样本”，迭代持续修正 [p1]。
提到的公司/客户/产品/标准：Huawei；ION-2030；Wi-Fi 感知；光纤传感（共缆/共沟劣化检测、断点定位）。
与业界对比或记录声明（SOTA/首次/record）：无 [p1–p3]。
推荐配图页：p1（ION-2030 增强运维第一页：本体、光纤传感、性能仿真三块能力）
0922-Tu1-F2-NokiaBellLabs-上行TDM-PON的确定性带宽映射.pdf（第1–6页）
讲者/机构：Sandip Das 等，Nokia Bell Labs | 题目：TDM-PON for Time-Sensitive Industrial AI Applications（幻灯片标题；论文编号 Tu1-F2，完整论文题目未见） | 类型：学术论文
方向归属（主/次）：主 5 固定与无线接入（PON 确定性时延/TSN）；次 无
核心主张：
已知业务流的相位、周期、时延、抖动，OLT 即可主动（而非被动）对齐上行授权，实现确定性 [p2, p6]。
难点不在单流调度，而在把多条流的确定性调度融合成一张无冲突的 BWmap；这是 NP-hard 问题，需要有界启发式 [p3]。
提出 Deterministic BW Mapper，流程为 Prioritize > Place > Inspect > Shift > Decide，冲突先局部修复，必要时整段序列左移并上报；计算量有界，可在商用硬件实现 [p4, p6]。
关键数据：
工业 AI 对时延/抖动的分级需求从 <1 ms 到 <100 µs、<10 µs、<1 µs 等 [p1，OCR 索引，未逐字核对]。
上行 PON 帧时长 125 µs；理想情形抖动约 0（或 <1 µs）[p2, p3]。
示例三条 TSN 流：Flow-1 周期 250 µs、相位 75 µs、100 Mbps、每突发 4.3 kB；Flow-2 周期 500 µs、相位 180 µs、200 Mbps、12.5 kB；Flow-3 周期 250 µs、相位 20 µs、50 Mbps、1.56 kB [p3]。
计算量：随 TSN 流数 2–6 的对数坐标柱图，穷举搜索约 10^1 增至接近 10^14 量级，本方案（红柱）约 10^2 量级并近似线性增长 [p5，柱高为目测]。
时延实验：低负载 2 TSN + 1 尽力而为（BE）流，高负载 4 TSN + 2 BE 流；TSN 流时延柱标注约 164.32、95.22 µs（低载）与 176.43、98.69、79.16 µs 等（高载），BE 流误差棒可达约 1585.91 µs（低载）、2191.35/2254.63 µs（高载）；数字较小，部分看不清 [p5]。负载相关的波动主要出现在 BE 流 [p5]。
提到的公司/客户/产品/标准：Nokia Bell Labs；TSN；US-PON；DBA；BWmap；引用自家 ECOC 2024 demo zone 与 ECOC 2025 工作 [p1, p2]。
与业界对比或记录声明（SOTA/首次/record）：无 SOTA 声明；称把 NP-hard 分配问题变为“计算有界的实时流程” [p5]。
推荐配图页：p5（计算量对流数曲线 + 高低负载下 TSN/BE 时延柱图）；p3（多流冲突示意与三流参数）
0922-Tu1-F3-华中科技大学-时频编码光脉冲的动态PON监测.pdf（第1–10页）
讲者/机构：Ruisi Wang（汇报），指导 Zhijun Yan，华中科技大学光学与电子信息学院 | 题目：Dynamic PON Monitoring System Based on Time-Frequency Encoded Optical Pulses | 类型：学术论文
方向归属（主/次）：主 5 固定与无线接入（PON 运维监测）；次 6 光纤传感（FBG/OTDR）
核心主张：
传统运维难以识别海量端口身份、物理层资产不可见、PON 动态倒换后映射失效，需要低成本大容量的 PON 监测 [p3, p4]。
用波长编码 FBG 阵列（集成于 PLC 光纤阵列、V 型槽封装）给每个端口生成物理层“可视身份标签”，配合 OTDR 与互相关解码实现端口-链路动态跟踪 [p3, p5]。
设计了自动端口编码生成算法与位置惩罚（position-penalty）方法；仅用 16 个波长即可对 256 端口 PON 编码 [p10]。
关键数据：
FBG 阵列 8 波长；写制平台为自研 UV 写制，标注“精度 pm 级、质量 ±1 µm”[p5, p6，OCR 索引]。
1544–1553 nm 光栅阵列 12 dB；端口编码光栅 18 dB（谱图标注，条件以图为准）[p7，OCR 索引]。
实验为 2×4 PON 平台，OTDR 迹线覆盖 0–约 1000 m，对比三种场景：初始状态、端口切换、断纤检测 [p8, p10]。
互相关分析（Test 2）在 8 个端口/通道的峰值位置：Port1-CH6 894.4 m、Port2-CH2 451.6 m、Port3-CH3 736.6 m、Port4-CH4 825.4 m、Port5-CH7 988.4 m、Port6-CH5 844.8 m、Port7-CH1 401.8 m、Port8-CH8 941.6 m；可准确识别通道切换，定位误差在 ±0.5 m 以内 [p9]。
位置惩罚使理论“有效信号比”从 1.3 变为 2（原页文字如此，方向按原文记录）[p8]。
结论称实现 µs 级检测速度、分担测试负载 [p10]。
提到的公司/客户/产品/标准：FBG、PLC、OTDR、互相关；对比引用 Fengjun Lu (Optics Express 2018)、Xuan Zhang (Current Optics and Photonics 2023)、Manuel P. Fernandez (IEEE 2019) [p4]。
与业界对比或记录声明（SOTA/首次/record）：无明确 SOTA 声明；p4 指出既有方案存在“难处理复杂信号/流程复杂/信号处理复杂”等不足 [p4]。
推荐配图页：p9（8 端口互相关定位结果，±0.5 m）；p3（动机：端口身份不可见、动态更新难与方案总览）
0922-Tu1-F4-IMTAtlantique-用BWMap做GPON被动监测与负载预测.pdf（第1–11页）
讲者/机构：L. Inglés Loggia, L. Anet Neto, C. Rattaro, M. Morvan, A. Castro, L. Nuaymi；IMT Atlantique / Universidad de la República / Lab-STICC | 题目：Passive GPON Monitoring for Network Load Forecasting Using BWMap Information | 类型：学术论文
方向归属（主/次）：主 5 固定与无线接入（PON 被动监测/负载预测）；次 无
核心主张：
无需接入 OLT 或用户流量，仅被动观测下行光信号并恢复 BWMap，即可预测 GPON 拥塞 [p11]。
高负载时 Tx Grant（BWMap 授予带宽）可作为业务流量代理；低负载时授权大于实际流量 [p7, p11]。
可识别低拥塞窗口以供机会性业务使用，全程不做 DPI [p11]。
关键数据：
测量链路：WDM 双工器隔离下行，示波器采集，Python/GNU Radio 解调出 BWMap 存库；GPON 下行 1490 nm、上行 1310 nm，帧 125 µs [p3, p4, p6]。
三组实验（Tx/Rx/Tx Grant，页面未标单位，推测为 Mbps）：T1 公平需求，三个 ONU 均为 Tx 483.3、Rx 402.2、Grant 411.8；T2 高负载，ONU1 97.2/97.2/99，ONU2 972.6/624.5/640.6，ONU3 486.3/486.3/495.7（Grant 约等于实际流量）；T3 低负载，ONU1 97.2/97.2/296.5，ONU2 48.6/48.6/246.2，ONU3 486.3/486.3/692.5（Grant 大于实际流量）[p7]。
4 天流量训练后，用 SARIMA 预测第 5 天 ONU1 的 Tx Grant，预测曲线贴近实测；纵轴 0–900 Mbps 量级 [p8, p9]。
探针 ONU3（低速率探针）的 Tx Grant 随拥塞上升而下降，从约 300 Mbps 降至接近 0；ONU1+ONU2 的 Rx 合计约 400 升至约 1200 Mbps，划分低/中/高三个拥塞区间（约 6 h、18 h 分界）[p10，读图估值]。
下一步：从 BWMap 授权位置推断时延；做 XGS-PON 版本 [p11]。
提到的公司/客户/产品/标准：GPON（ITU G.984.x）、XGS-PON、BWMap、SARIMA、GNU Radio。
与业界对比或记录声明（SOTA/首次/record）：无 SOTA 声明；卖点为无需专有 OLT 访问、无 DPI [p11]。
推荐配图页：p10（探针 ONU 的 Tx Grant 与拥塞三区间）；p7（三种负载下 Tx/Rx/Grant 表）
本批小结
接入网 AI 运维正在从“集中式 AI 管理”转向“物理层可观测性”：华为 F1 讲 ION-2030 的本体+光纤传感+数字孪生，华科 F3 用 FBG 编码给端口加物理层身份，IMT F4 被动恢复 BWMap；三者都在补“看不见的底层”（F1、F3、F4）。
监测方案的共同取向是无侵入/低成本：F3 用无源 FBG 编码，256 端口只需 16 波长；F4 只用被动分光观测、不碰 OLT、不做 DPI（F3、F4）。
确定性 PON 需要“先知业务再授权”：Nokia F2 以已知周期/相位/时延/抖动做主动授权对齐，并把 NP-hard 多流调度压缩到有界计算，指向工业 TSN 场景；F4 的 BWMap 恰好显示授权本身包含负载信息，两者从两侧说明 BWMap 是 PON 的核心控制面数据（F2、F4）。
本批多数量化结果来自小规模实验室平台（F3 为 2×4 PON、约 1 km 内；F4 为三 ONU 试验床、GPON），尚未见规模化现网数据；华为 F1 则无定量指标（F1、F3、F4）。
F4 显示 Tx Grant 仅在高负载下逼近真实流量，低负载时高估，因此“流量代理”的适用区间有限；F2 则提示 BE 流时延随负载波动很大而 TSN 流保持稳定（F2、F4）。