图5-7基于SDN编排的灵活智能云光载无线网络架构数据平面包括无线网络域、BBU域和光网络域。为了提高光网络域资源调配的灵活性,将OF-BVOS中的一部分WSS扩展为RWFS,以此来支持无线频率交换。......
2023-06-19
在RoFN系统中,RoF技术可以集中大型基站设施,并且可以更容易地添加新的无线小区站点,模拟RoF系统在系统成本方面更具吸引力。换句话说,由于RoFN,远程基站(Remote Base Station,RBS)大大简化,中心站(Central Station,CS)中实现了功能的集中化,设备和频谱带宽资源成为可动态分配的共享资源。由于移动互联网用户数量呈指数级增长,CS与RBS之间的交互或CS之间的资源调度变得更加复杂,因此传统结构无法保证服务质量[6]。此外,RoFN的CS中资源集中的思想与SDON集中控制的思想相吻合。另外,使用OpenFlow协议的SDON已经在光网络中进行了广泛的研究[7]。因此,融合网络架构、软件无线光纤网络(Software Defined Radio-over-Fiber Network,SD-RoFN)将会是解决上述问题的有效方案。
SD-RoFN的融合网络架构如图6-1(a)所示,主要由3个部分组成:卫星系统部分(包括卫星和GBS)、RoFN部分(包括CS、边缘节点和RBS)和SDN控制器部分。对于卫星系统部分,卫星起着原子钟信号发生器的作用,一些特定的GBS将接收信号。在RoFN的体系结构中,光传输网络(Optical Transmission Network,OTN)用于互连CS、GBS和边缘节点,而分布式RBS被融合到OTN中。因此SD-RoFN是由卫星和RoF两种资源组成的,两者都是由SDN控制器以统一的方式使用OpenFlow协议进行软件定义和控制的。由于SDN,SD-RoFN中有3种传输模式,如图6-1(b)所示。第一种模式是通过OTN在GBS之间传输。例如,一些GBS处于无法从卫星接收信号的位置,它可以通过光纤从邻近的GBS接收信号。这种模式的优点是GBS可以通过OTN互连。第二种模式是通过RoFN在GBS和RBS之间进行传输。通过这种模式,我们可以实现卫星与移动网络之间的通信,并可以实现5G移动网络的定时服务。第三种模式是通过RoFN在GBS之间传输。它体现了RoFN与卫星通信的结合,它包括前两种模式。它不仅可以实现OTN之间的GBS通信,还可以实现卫星与移动网络之间的连接。也就是说,RBS通过RoFN从卫星获取时间信号,并且GBS需要同时获得时间信号。但是对于这个GBS,它并没有直接与其他GBS连接,因此它可以从最近的RBS接收信号。因此该方法具有广泛的适用性。SD-RoFN的优势在于两方面,首先,SD-RoFN强调卫星系统与RoFN之间的协作,以克服量化误差。其次,基于RoFN和SDN的网络架构极大地简化了系统结构,丰富了传输模式,是提高交互性、提高传输能力的有力解决方案。
图6-1 SD-RoFN网络架构及信号传输模式
有关光与无线网络技术的文章
图5-7基于SDN编排的灵活智能云光载无线网络架构数据平面包括无线网络域、BBU域和光网络域。为了提高光网络域资源调配的灵活性,将OF-BVOS中的一部分WSS扩展为RWFS,以此来支持无线频率交换。......
2023-06-19
每个ONU都服务于RRH,作为前传光网络的终端。为了控制V-HCRoFN,CP由三部分组成,分别为无线、光谱和BBU资源。可以安装BBU池以提供信号处理途径,这是在BBU池中部署CP的最佳方式。宏基站1和微基站2用于具有CoMP的小区边缘UE。考虑下行链路,来自BBU1的流量被传输到灵活的TWDM PON并被分成RRH1和RRH2。尽管UE离开微基站2并进入微基站3,但是在前传光网络中使用的波长是连续的,数据可以在不选择BBU的情况下被发送到BBU1并且按照之前提出的方法进行处理。......
2023-06-19
基于我们所提出的架构,跨层资源保护在本地实现处理资源,并在出现故障时增强对动态端到端5G服务需求的响应能力。F-RoFN有一种新型的被称为层的资源。图7-1基于光与无线网络的CSRP架构为了实现上面描述的功能架构,需要扩展无线控制器、控制器和光网络控制器,以支持CSRP。为了获得RoF系统的拓扑结构,无线控制器将射频利用率发送给光网络控制器。......
2023-06-19
第一个是GBS的端到端同步网络,它适用于短距离GBS的同步。第二个是移动网络的同步网络,它提供单向时间同步方案。基于SD-RoFN的时间同步方案如图6-2所示。基于功能架构,我们在SD-RoFN中提出了一种原子钟同步方案,即卫星生成的原子钟时间通过RoFN链路传输到其他网络单元,如RBS、GBS。此后,相邻RBS可以共享由特定RBS通过无线模式接收的模拟同步信号。......
2023-06-19
Deep-TSR方法中的控制器使用收集的数据初始化Q学习模型。图6-6Deep-TSR的主要流程Deep-TSR中的DQN通过深度强化学习算法在自学习中进行训练。DQN的初始输入包括3个特征平面的二维矩阵。获得学习结果后,我们可以部署时间同步方案。然后,控制器通过交换节点将同步业务请求发送给Deep-TSR学习模块。同时,学习模块通过1588协议为即将到来的服务创建时间戳,并且转发同步模块将其计算到下一个节点。最后,学习模块根据前一时段的数据更新路由信息。......
2023-06-19
软件定义的光与无线网络中的多层优化架构表示为G。,vn}和V′={v′1,v′2,…,l′n}分别表示V和V′中节点之间的双向光纤链路集;F={w1,w2,…V/V′,L/L′,F和A分别表示网络节点、链路、频率槽和BBU节点的数量。注意,为简单起见,这些资源包含网络模式分析中所需的网络带宽b和处理资源。另外,根据连接请求和资源状态,可以基于策略选择适当的BBU服务器作为目的节点。......
2023-06-19
MDRI通过SDN控制器调整SDN编排来提供对多维资源的统一控制,从而全局视图联合优化端到端服务。C-RoFN中MDRI架构可以突破无线、光网络和处理单元领域的限制,利用SDN编排实现多层集成和跨层优化,可以在开放系统的控制方式下有效地分配和优化多维资源。MDRI可以增强对动态端到端用户需求的响应能力,并有效地全局优化射频、光网络和处理资源,以最大化无线覆盖范围。结果表明,该方案具有良好的性能,在未来光纤网络无线方面具有较好的前景。......
2023-06-19
相关推荐