一种光学加扰的单向有线电视加密计费系统技术方案

本发明专利技术涉及有线电视技术领域，公开了一种光学加扰的单向有线电视加密计费系统，包括云端服务器和传输设备，云端服务器中设置有用于根据用户的行为和偏好预测潜在授权信息，并将潜在授权信息发送给用户供其选择的预测性授权模块及用于根据用户的付费订购情况生成一个结合光接收机

【技术实现步骤摘要】
一种光学加扰的单向有线电视加密计费系统


[0001]本专利技术涉及有线电视
，具体来说，涉及一种光学加扰的单向有线电视加密计费系统
。

技术介绍

[0002]目前，国内外
CATV
或
IPTV
数字电视节目接收的授权或计费方式都是对数字电视信号在发送端进行加扰然后在接收端（如数字机顶盒）进行授权解扰来保证收费
。
例如申请号为
CN1708009A
的一种基于单向数字传输系统的业务计费系统及其计费方式的专利技术专利及申请号为
CN100394794C
的一种有线电视自动计费的方法的专利技术专利等，这些技术都是针对传输网络中的电视频道数字信号本身进行进一步加密处理，然后在用户机顶盒处授权解密，技术要求管控局端和终端机顶盒设备的视频流的加解扰数据处理，使用专用机顶盒
。
这些技术都是管控了电视网络的两端设备，没有涉及网络中间的传输网络部分
。
但是在物理传输网络资源和节目频道电信号资源分离经营的情况下（比如卫星电视频道加密收费和卫星接收传输网络收费两者的业务关系常是分离的），中小电视传输网络运营商却难以独立保证自身的授权
/
收费权益
。
[0003]因此，国内外
CATV
‑
FTTH
光传输网络运营商一直无法很好的解决用户接收电视信号的授权和收费问题
。
在现有的解决方案中有一种在
HFC
的电分配网络中增加成本较大的监控设备（例如申请号
CN104363114A
公开的基于广播电视网络的
HFC
网络管理系统前端控制器）来进行管理和授权，但因改造旧网
、
安装及维护难度大难以广泛实施
。
现在
HFC
网络逐步发展到
FTTH
光网络，原先的技术方案已无法实施，但物理网络运营商们的收费问题仍长期存在
。
[0004]针对相关技术中的问题，目前尚未提出有效的解决方案
。

技术实现思路

[0005]针对相关技术中的问题，本专利技术提出一种光学加扰的单向有线电视加密计费系统，以克服现有相关技术所存在的上述技术问题
。
[0006]为此，本专利技术采用的具体技术方案如下：一种光学加扰的单向有线电视加密计费系统，包括云端服务器和传输设备；其中，云端服务器中设置有预测性授权模块及用户数据授权管理模块；预测性授权模块，用于根据用户的行为和偏好预测潜在授权信息，并将潜在授权信息发送给用户供其选择；用户数据授权管理模块，用于根据用户的付费订购情况生成一个结合光接收机
SN
序列号的用户授权码；传输设备包括光发射机和光接收机；光发射机包括频道转换器和信号处理发射模块；频道转换器，用于产生加扰的
CATV
信号；
信号处理发射模块，用于分别对正常的
CATV
信号及加扰的
CATV
信号进行滤波
、
增益
、
放大及调控处理，并将耦合得到的光输出信号发送至光接收机，且光输出的
CATV
信号内可插入用户授权码信息；光接收机包括信号处理模块
、MCU
授权码解码模块及电信号输出模块；信号处理模块，用于对输入的光输出信号进行滤波
、
放大及衰减或关闭处理；
MCU
授权码解码模块，用于接受用户输入的加密授权码，识别并解密正确的授权码后发出开关电路的控制指令；电信号输出模块，用于输出电信号
。
[0007]作为优选地，预测性授权模块在根据用户的行为和偏好预测潜在授权信息，并将潜在授权信息发送给用户供其选择时包括：获取用户的历史行为数据
、
偏好数据及授权使用记录，并对获取的数据进行清洗和预处理；利用处理后的历史行为数据及偏好数据构建并训练基于混沌粒子群的
BP
神经网络预测模型；利用训练后的基于混沌粒子群的
BP
神经网络预测模型根据用户的当前行为及偏好输出对应的潜在授权信息，并将预测输出的潜在授权信息以列表的形式展示给用户供其选择
。
[0008]作为优选地，利用处理后的历史行为数据及偏好数据构建并训练基于混沌粒子群的
BP
神经网络预测模型包括：随机生成一组初始粒子，并计算每个粒子的适应度值，确定每个粒子的个体最优解
P
i
和全体粒子的全局最优解
P
g
；对粒子进行解码，将解码得到的连接权值和阈值作为
BP
神经网络的参数，建立基于用户历史行为和偏好的预测模型，并根据预测结果和实际结果的误差，计算粒子的适应度值；判定每个粒子的适应度值是否满足大于该粒子的个体最优适应度值，并在满足时用该粒子位置替代个体最优解
P
i
；再次判定每个粒子的适应度值是否满足大于所有粒子的最优适应度值，并在满足时用该粒子位置替代 全体粒子的全局最优解
P
g
；根据粒子群优化算法的规则更新每个粒子的速度和位置，生成新一代粒子群，并计算新的粒子群的适应度方差，如果相邻两次的适应度方差的变化小于阈值，则判断已经进入局部最优状态，进行混沌操作；否则，继续优化；对粒子群的全局最优位置向量进行混沌扰动，并判断是否达到最大迭代次数，若是，则返回全局最优粒子位置，否则继续优化，将最优粒子位置解码成为 BP 神经网络参数，建立基于混沌粒子群的
BP
神经网络预测模型并进行训练
。
[0009]作为优选地，对粒子群的全局最优位置向量进行混沌扰动包括：将最优位置映射到混沌方程的定义域，通过
Logistic
方程进行多次迭代，将混沌序列逆映射回原解空间，生成混沌变量解序列，计算混沌处理后每个解的适应度，并保留优解向量，然后随机选择一个粒子，用优解向量的位置替换该粒子位置
。
[0010]作为优选地，用户数据授权管理模块中的用户数据包括客户地址
、
手机和邮箱及光接收机的
SN
序列号的基础信息
。
[0011]作为优选地，用户数据授权管理模块在生成用户授权码时包括以下两种：第一种，基于
FSK
模式生成用户授权码，且该用户授权码包括
SN
序列号和授权时间长度的信息，同时符合
SN
序列号的光接收机接收后将更新授权工作时间数据，且工作时间数据为0的光机将关闭电视信号输出；第二种，采用伪随机数生成算法生成的伪随机数作为用户授权码，且每次授权时间设定为预设时间段
。
[0012]作为优选地，用户授权码的发送方式包括以下两种：第一种，首先采用
FSK
对用户授权码调制，然后通过光发射机广播发送到所有光接收机，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种光学加扰的单向有线电视加密计费系统，其特征在于，包括云端服务器和传输设备；其中，所述云端服务器中设置有预测性授权模块及用户数据授权管理模块；所述预测性授权模块，用于根据用户的行为和偏好预测潜在授权信息，并将潜在授权信息发送给用户供其选择；所述用户数据授权管理模块，用于根据用户的付费订购情况生成一个结合光接收机
SN
序列号的用户授权码；所述传输设备包括光发射机和光接收机；所述光发射机包括频道转换器和信号处理发射模块；所述频道转换器，用于产生加扰的
CATV
信号；所述信号处理发射模块，用于分别对正常的
CATV
信号及加扰的
CATV
信号进行滤波
、
增益
、
放大及调控处理，并将耦合得到的光输出信号发送至光接收机；所述光接收机包括信号处理模块
、MCU
授权码解码模块及电信号输出模块；所述信号处理模块，用于对输入的光输出信号进行滤波
、
放大及衰减或关闭处理；所述
MCU
授权码解码模块，用于接受用户输入的加密授权码，识别并解密正确的授权码后发出开关电路的控制指令；所述电信号输出模块，用于输出电信号
。2.
根据权利要求1所述的一种光学加扰的单向有线电视加密计费系统，其特征在于，所述预测性授权模块在根据用户的行为和偏好预测潜在授权信息，并将潜在授权信息发送给用户供其选择时包括：获取用户的历史行为数据
、
偏好数据及授权使用记录，并对获取的数据进行清洗和预处理；利用处理后的历史行为数据及偏好数据构建并训练基于混沌粒子群的
BP
神经网络预测模型；利用训练后的基于混沌粒子群的
BP
神经网络预测模型根据用户的当前行为及偏好输出对应的潜在授权信息，并将预测输出的潜在授权信息以列表的形式展示给用户供其选择
。3.
根据权利要求2所述的一种光学加扰的单向有线电视加密计费系统，其特征在于，所述利用处理后的历史行为数据及偏好数据构建并训练基于混沌粒子群的
BP
神经网络预测模型包括：随机生成一组初始粒子，并计算每个粒子的适应度值，确定每个粒子的个体最优解
P
i
和全体粒子的全局最优解
P
g
；对粒子进行解码，将解码得到的连接权值和阈值作为
BP
神经网络的参数，建立基于用户历史行为和偏好的预测模型，并根据预测结果和实际结果的误差，计算粒子的适应度值；判定每个粒子的适应度值是否满足大于该粒子的个体最优适应度值，并在满足时用该粒子位置替代个体最优解
P
i
；再次判定每个粒子的适应度值是否满足大于所有粒子的最优适应度值，并在满足时用该粒子位置替代 全体粒子的全局最优解
P
g
；根据粒子群优化算法的规则更新每个粒子的速度和位置，生成新一代粒子群，并计算新的粒子群的适应度方差，如果相邻两次的适应度方差的变化小于阈值，则判断已经进入
局部最优状态，进行混沌操作；否则，继续优化；对粒子群的全局最优位置向量进行混沌扰动，并判断是否达到最大迭代次数，若是，则返回全局最优粒子位置，否则继续优化，将最优粒子位置解码成为 BP 神经网络参数，建立基于混沌粒子群的
BP
神经网络预测模型并进行训练
。4.
根据权利要求3所述的一种光学加扰...

【专利技术属性】
技术研发人员：杨旭峰，任广谦，
申请(专利权)人：深圳市广为通信技术有限公司，
类型：发明
国别省市：