TWDM-PON与C-RAN融合网中下行资源管理策略研究

来源 :重庆邮电大学 | 被引量 : 0次 | 上传用户:hzduoying001
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
无源光网络(Passive Optical Network,PON)与云无线接入网(Cloud Radio Access Network,C-RAN)的融合网结合了光网络与无线网两者的优势,能够为用户提供大容量、高可靠、低损耗、低成本以及更加灵活的接入服务,已然成为一种主流的网络接入解决方案。然而,面对日益增长的移动无线网络需求,PON作为回传支撑,其高效的资源管理策略对于提升网络性能而言至关重要。所以,本文重点研究C-RAN架构下回传网络的下行资源管理问题,主要研究内容如下:1.本文对PON与C-RAN融合网络进行了概述并详细介绍了当前该网络中的研究热点。然后,说明了资源管理策略在融合网络中的必要性,并着重阐述了该网络中前传/回传网络资源管理策略的关键问题和相关研究现状。2.本文提出了一种解决下行资源调度问题的自适应权重并行遗传算法。根据热点区域无线网络需求,综合考虑波长使用数量、负载均衡性和实时业务分配均匀度等优化目标,采用自适应权重并行遗传算法完成优化过程,从而实现波长资源动态分配并提升网络资源利用率。仿真结果表明,提出的下行资源调度策略能有效提高网络负载均衡性和网络资源利用率,同时降低实时业务等待时延。3.本文提出了一种基于光网络单元(Optical Network Unit,ONU)调谐分组与服务质量(Quality of Service,QoS)映射机制的回传网络资源管理策略。针对协作数据在回传可能发生重复传输的问题和所属不同运营商的ONU共享同一回传的情形,通过划分波长调谐分组将不同运营商的数据隔离,再综合考虑调谐开销与负载均衡建立多目标优化模型,然后利用所提的启发式算法完成优化过程,最后依据QoS映射机制实现下行分组有序调度。仿真结果表明,提出的资源管理策略能够保持较高的资源利用率、降低波长调谐开销并提高一定的时延性能和负载均衡性。本文提出了两种下行回传资源管理算法,前者基于无线需求变化而自适应管理回传资源,后者在此基础上进一步考虑多个运营商共存及业务QoS存在差异的情形实现下行资源管理。通过仿真分析可知,所提算法可得到较高的资源利用率。最后对本文研究内容进行总结,并展望未来的研究工作。
其他文献
目的:子宫内膜损伤严重危害着女性的生殖功能及身心健康,目前对其治疗手段较多,但是疗效欠佳。因此本实验使用95%乙醇建立小鼠损伤性子宫内膜实验模型,并通过向宫腔内原位移
随着互联网的飞跃发展,互联网上信息也呈现急速增长的趋势,信息过载问题越发严重。推荐系统已经成为解决信息过载问题的重要解决方案。协同过滤(Collaborative Filtering,CF)则是其中的主流模型之一,在学术界以及工业界中均获得了大范围的应用。协同过滤从用户对物品的隐式反馈(例如,物品购买历史,浏览日志等)等数据建模用户对物品的偏好函数从而产生最后的推荐结果,但同时也忽略了物品的相关属
大气激光通信技术有着结构轻便,保密性强的特点。在国防科技领域有着很好的表现,也因其信息传输速率高和通信网络可升级的优势在通信行业内很受欢迎,受到了各国的重视,在二十一世纪以来有了长足的发展。虽然大气激光通信技术有着各种各样的优点,但是环境因素会对信道产生干扰,制约了其发展。大气激光通信受大气湍流效应的影响是不容忽视的,湍流效应往往能决定整个系统的性能是否适合通信,因此研究大气湍流特性对于了解大气信
随着数据的大量积累以及数据分析技术的成熟,数据成为业务运营和程序应用的核心。Forrester公司的一项研究表明,企业存储需求每年增长52%。云计算为大规模的数据存储与数据计算提供了一种便捷的解决方案。数据拥有者通过将数据以及计算外包给云服务提供商,向用户提供集中,高效的查询检索服务,从而减小自身由于维护,存储数据所带来的高昂的成本。然而,考虑到数据隐私保护,数据拥有者不会将敏感的数据以明文的形式
目的胶质瘤是人类最常见的神经系统恶性肿瘤之一。其中胶质母细胞瘤(Ⅳ级)被认为是最具恶性的病理学形式。目前针对胶质瘤的治疗主要采用手术为主并辅以放化疗的综合疗法。然
研究目的:本研究运用离体氢质子磁共振波谱成像(H Proton Magnetic Resonance Spectroscopy,1H-MRS)技术,对比分析电针胃俞募穴治疗功能性消化不良(Functional Dyspepsia,FD)
目的:对比研究腹腔镜左半肝切除术与开腹左半肝切除术治疗肝内胆管结石患者的临床资料,探讨两种手术方式的治疗效果。方法:回顾性分析在2015年4月—2019年4月之间于我院住院
图像分类是计算机视觉任务中的重要组成部分,其关键是如何进行特征选择。从使用传统方法提取图像的手工特征,到使用卷积神经网络(CNNs)提取图像的深度特征,图像分类结果得到了显著提升。现有的CNNs网络中大多采用整张图像特征作为图像分类的依据,很少考虑图像的空间信息,而图像的空间信息对分类任务至关重要。因此,本文考虑应用图像的空间信息来提高分类结果,并将图像的空间信息分为显著信息和背景信息。本文提出了
图像融合技术是利用同一场景或同一目标的多幅输入图像之间信息的互补性,将其整合为一幅图像的过程,该技术能够提高图像中场景或目标的清晰度,并为后续的目标识别、分类等工作提供了更精确可靠的图像支持。目前,该技术已成功应用于军事、农业、安全和监控等众多领域。本文主要研究基于形态分量分析(Morphological Component Analysis,MCA)的多聚焦图像和医学图像融合算法,具体内容如下:
目的脑转移瘤(Brain Metastases,BM)预后差,致死率高,其中肺癌脑转移瘤是其常见类型。现有治疗手段如手术、放疗、化疗及其综合治疗效果仍不尽人意,分子靶向治疗带来了希望,