时分波分无源光网络与云无线接入网联合架构中负载平衡的用户关联与资源分配策略

在时分波分无源光网络(TWDM-PON)与云无线接入网(C-RAN)的联合架构中,由于无线域的负载不均衡问题,限制了网络整体的传输效率.为了充分利用TWDM-PON与C-RAN联合架构的网络资源,并保证用户的服务质量(QoS),该文提出一种负载平衡的用户关联与资源分配算法(LBUARA).首先根据不同用户的服务质量需求以及分布式无线射频头端(RRH)的负载对用户的影响,构建用户收益函数.进而,在保证用户服务质量的前提下,根据网络状态建立随机博弈模型,并基于多智能体Q学习提出负载均衡的用户关联和资源分配算法,从而获得最优的用户关联与资源分配方案.仿真结果表明,所提的用户关联和资源分配策略能够实现网络的负载均衡,保证用户的服务质量,并提高网络吞吐量.     

波分复用技术在无源光网络中的应用

从阐述波分复用（WDM）和无源光网络（PON）的基本概念出发,较系统地介绍了波分复用技术在无源光网络中的各种应用及其相关优点。     

软件定义时分波分复用无源光网络中基于带宽预测的资源分配策略

针对时分波分复用无源光网络(TWDM-PON)多个光线路终端(OLT)间资源缺乏协同集中调度问题,该文提出一种带有软件定义的基于带宽预测的资源分配策略(RABP)。在光线路终端间,设计粒子群优化的BP神经网络模型预测各光线路终端所需带宽,避免了控制器与光线路终端信息交互时延对资源分配实时性的影响;其次,在光线路终端内,动态设定滑动周期并基于光网络单元授权信息实时统计资源池共享带宽,同时,设计负载均衡的波长调度机制实现多波长的高效利用。仿真结果表明,该策略提高了信道资源利用率,降低了平均包时延。     

能耗和时延感知的虚拟化云无线接入网络资源分配机制

针对现有虚拟化云无线接入网络(C-RAN)资源利用率低、能耗高、用户服务质量无法得到保证等问题,该文提出一种能耗和时延感知的虚拟化资源分配机制。根据虚拟化C-RAN的网络特点及业务流量特征,考虑资源约束和比例公平,建立能耗和时延优化模型。进而,利用启发式算法为不同类型虚拟C-RAN和用户虚拟基站分配资源,完成资源的全局优化配置。仿真结果表明,所提资源分配机制在提高网络资源利用率的同时,不但使能耗节省了62.99%,还使时延降低了32.32%。

     

波分复用无源光网络中用户随机接人的性能估计

本文提出了在波分复用无源光网络(WDMPON)中,用户接入采用随机接入的新方式,分析了网络性能.同时,为了改善随机网络的网络性能,首次提出了跳波长随机接入的方法.通过文中的数值结果可以看出,网络负载,特别是网络时延特性的改善非常明显.     

波分多路的无源光接入网

一、前言 随着计算机和通信技术的发展,多媒体通信终将成为21世纪的基本通信方式。多媒体通信系统的通信网可以分为两大部分,即主干网和用户接入网。主干网又称为核心网或局间网;用户接入网,简称用户网或接入网,是中心局和用户之间的连接网络,或者说是核心网到用户设备的接入通道,它包括接入复用安排和网络终端。 用户接入可采用铜钱、光纤、同轴电缆和无线等几种方式,因而接入网有非对称数字用户环路     

波分复用无源光网络的机遇与挑战

本文主要概述了波分复用无源光网络拥有的机遇,面临的挑战及目前已发展的各种技术。首先分析了WDM-PON在下一代光接入网中可能拥有的机遇,阐明了目前WDM-PON所面临的挑战,并从ONU端光源无色化和OLT端光源中心化两方面讨论了为降低WDM-PON成本国际上目前发展的各种技术手段,并比较了各种技术的优缺点。     

无源光网在用户接入网的应用

一、用户接入网使用光纤的３种方法在近年通信建设的快速发展中,除了长途网、城市网等骨干网是主要改进的对象外,用户接入网也需要设法彻底地改进。这是因为通信用户使用的业务种类正在快速扩大,除了原有的电话机外,越来越多的用户加装个人计算机和视像设备,藉以实现数据通信和可视图像通信。相应地,对每一通信用户连至交换局的接入线,要求提供较大的传输带宽能力。诸如,用户使用     

波分复用无源光网络中用户随机接入的性能估计

本文提出了在波分复用无源光网络（VDMPON）中,用户接入采用随接入的新方式,分析了网络性能。同时,为了改善随机网络的网络性能,首次提出了跳波长随机接入的方法。通过文中的数值结果可以看出,网络负载,特别是网络时延特性的改善非常明显。     

应用密集波分复用技术的光接入网

密集波分复用 (DWDM)和光接入网 (OAN)技术被公认为是最有前途的两种光传输技术 ,而结合两者的 DWDM OAN为接入网的发展提供一个新的技术选择 ;分析了两种主要的 DWDM OAN技术方案 ,指出两者涉及的关键技术 ,并提出采用光纤光栅作为 DWDM OAN关键元件的设想     

云无线接入网络高能效功率分配和波束成形联合优化算法

针对云无线接入网络(C-RAN)的资源分配问题,该文采用max-min公平准则作为优化准则,以C-RAN用户的能量效率作为优化目标函数,在满足最大发射功率和最小传输速率约束条件下,通过最大化最差链路的能量效率来实现用户发射功率和无线远端射频单元(RRHs)波束成形向量的联合优化。上述优化问题属于非线性、分式规划问题,为了方便求解,首先将原优化问题转化为差分形式的优化问题,然后通过引入变量将差分形式的、非平滑优化问题转化为平滑优化问题。最终,提出一种双层迭代功率分配和波束成形算法。在仿真实验中,将该文算法与传统的非能效资源分配算法和能量效率最大化算法进行了比较,实验结果证明该文算法在改进C-RAN能量效率和提高资源分配公平性方面的有效性。     

虚拟化云无线接入网络下基于在线学习的网络切片虚拟资源分配算法

针对现有研究中缺乏云无线接入网络(C-RAN)场景下对网络切片高效的动态资源分配方案的问题,该文提出一种虚拟化C-RAN网络下的网络切片虚拟资源分配算法。首先基于受限马尔可夫决策过程(CMDP)理论建立了一个虚拟化C-RAN场景下的随机优化模型,该模型以最大化平均切片和速率为目标,同时受限于各切片平均时延约束以及网络平均回传链路带宽消耗约束。其次,为了克服CMDP优化问题中难以准确掌握系统状态转移概率的问题,引入决策后状态(PDS)的概念,将其作为一种“中间状态”描述系统在已知动态发生后,但在未知动态发生前所处的状态,其包含了所有与系统状态转移有关的已知信息。最后,提出一种基于在线学习的网络切片虚拟资源分配算法,其在每个离散的资源调度时隙内会根据当前系统状态为每个网络切片分配合适的资源块数量以及缓存资源。仿真结果表明,该算法能有效地满足各切片的服务质量(QoS)需求,降低网络回传链路带宽消耗的压力并同时提升系统吞吐量。     

混合复用无源光网络中带有灰色预测的高效动态资源分配策略

针对混合复用无源光网络的用户接入距离增大,使得往返时延增加,造成网络中闲置时间增多,进而引起带宽浪费的问题,该文提出一种带有灰色预测的高效动态混合资源分配策略。通过对闲置时间内到达的数据进行灰色预测,动态确立光网络单元的带宽分配策略,以减小网络时延;利用波长结束时间的差异性,周期性地实时调整各波长的数据传输顺序,实现波长的高效利用和负载均衡。仿真结果表明,该动态资源分配策略有效地消除闲置时间的影响,且波长得到高效地利用,提高了带宽利用率的同时减少网络时延。     

H-CRAN网络下联合拥塞控制和资源分配的网络切片动态资源调度策略

针对异构云无线接入网络(H-CRAN)网络下基于网络切片的在线无线资源动态优化问题,该文通过综合考虑业务接入控制、拥塞控制、资源分配和复用,建立一个以最大化网络平均和吞吐量为目标,受限于基站(BS)发射功率、系统稳定性、不同切片的服务质量(QoS)需求和资源分配等约束的随机优化模型,并进而提出了一种联合拥塞控制和资源分配的网络切片动态资源调度算法。该算法会在每个资源调度时隙内动态地为性能需求各异的网络切片中的用户分配资源。仿真结果表明,该文算法能在满足各切片用户QoS需求和维持网络稳定的基础上,提升网络整体吞吐量,并且还可通过调整控制参量的取值实现时延和吞吐量间的动态平衡。

     

异构云无线接入网架构下面向混合能源供应的动态资源分配及能源管理算法

针对面向混合能源供应的 5G 异构云无线接入网(H-CRANs)网络架构下的动态资源分配和能源管理问题,该文提出一种基于深度强化学习的动态网络资源分配及能源管理算法。首先,由于可再生能源到达的波动性及用户数据业务到达的随机性,同时考虑到系统的稳定性、能源的可持续性以及用户的服务质量(QoS)需求,将H-CRANs网络下的资源分配以及能源管理问题建立为一个以最大化服务提供商平均净收益为目标的受限无穷时间马尔科夫决策过程(CMDP)。然后,使用拉格朗日乘子法将所提CMDP问题转换为一个非受限的马尔科夫决策过程(MDP)问题。最后,因为行为空间与状态空间都是连续值集合,因此该文利用深度强化学习解决上述MDP问题。仿真结果表明,该文所提算法可有效保证用户QoS及能量可持续性的同时,提升了服务提供商的平均净收益,降低了能耗。

     

一种人与人和机器到机器共存下能效最大化的上行用户分配算法

针对5G超密集异构蜂窝网络中人与人(H2H)和机器到机器(M2M)共存场景下有服务质量(QoS)保障和负载均衡的上行用户分配问题,该文提出一种基于匹配理论的用户分配算法。该算法在用户分配过程中同时考虑不同类型节点的接入控制策略,在最大化网络能效的同时,实现节点QoS保障。仿真结果表明,与其他算法相比,该算法不仅能够在能效、负载均衡以及QoS保障方面获得更好的性能,并且能获得与穷举法相近的性能。此外,所提算法的收敛速度很快且不受节点和基站数目变化的影响,适合解决H2H和M2M共存场景中的用户分配问题。