[发明专利]一种基于RNN的EPON动态带宽分配算法在审
申请号: | 202110467814.6 | 申请日: | 2021-04-28 |
公开(公告)号: | CN113076199A | 公开(公告)日: | 2021-07-06 |
发明(设计)人: | 秦攀科;付岩岩;尤俊茹;刘飞扬;韩尚雅;王家伟 | 申请(专利权)人: | 河南理工大学 |
主分类号: | G06F9/50 | 分类号: | G06F9/50;G06Q10/04;G06N3/04;G06N3/08 |
代理公司: | 郑州图钉专利代理事务所(特殊普通合伙) 41164 | 代理人: | 石路 |
地址: | 454150 河南*** | 国省代码: | 河南;41 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 rnn epon 动态 带宽 分配 算法 | ||
本发明涉及一种基于RNN的EPON动态带宽分配算法,包括如下步骤:首先ONU向OLT上报带宽请求,然后OLT判断是否为EF业务,对EF业务进行带宽预测和带宽分配,对于AF和BE业务的带宽请求生成实际需要的带宽并进行带宽分配,然后汇总AF和BE业务剩余的带宽请求,通过排队调度的方式对其进行带宽分配。本发明在RNN结构模型的基础上对高优先级业务EF进行带宽预测和带宽分配,提高了预测准确性,且在确保高优先级业务的前提下,对AF、BE业务进行带宽分配,最后对三种业务剩余的带宽请求通过排队调度的方式进行带宽分配,在一定程度上保证了其他业务的服务质量,提高了预测准确性的同时减小了队列时延并提高了上行带宽利用率。
技术领域
本发明属于带宽利用技术领域,具体涉及一种基于RNN的EPON动态带宽分配算法。
背景技术
RNN,是一种循环神经网络,具有记忆能力,能够通过先验知识学习获得预测能力,并通过在线学习,实时修改参数,提高非线性数据预测精度。ONU向OLT发送数据过程如图1所示,在T1-T5这段等待时间内,ONU仍然会接收上行数据,这一部分数据量并没有包含在请求帧内,造成请求信息与实际需求不符的现象,所以这部分数据包只能累计到下一次轮询周期发送,不仅增加了平均队列时延,还会影响业务的实时性。
与其他接入网技术相比,多接入光纤网络的高容量特性是光技术进步的主要动力,越来越多的低延时密集型任务如实时通讯、高清视频播放和游戏等出现在日常生活中,日益增长的带宽需求给网络基础设施建设带来了严峻挑战,资源分配是PON的基本任务,并且必须有一个有效的方案来减少延时,使带宽使用率最大化、资源浪费最小化,随着用户的日益增加,带宽分配方式的选择对于避免冲突,确保高优先级业务的服务要求十分关键。因此,本发明提出一种基于RNN结构模型,能够预测高优先级业务,并在确保高优先级业务的前提下,一定程度上保证其他业务的服务质量,同时减小队列时延以及提高上行带宽利用率的EPON动态带宽分配算法。
发明内容
本发明的目的是为了克服现有技术的不足,而提供一种基于RNN的EPON动态带宽分配算法。
本发明采用的技术方案为:一种基于RNN的EPON动态带宽分配算法,包括如下步骤:
步骤一:上报带宽请求,
将向OLT上传数据的N个ONU分别记为ONUi(i=1,2,……N),ONUi(i=1,2,……N)按照业务优先级将EF、AF、BE这三种不同业务分别缓存到三个队列中,并向OLT上报三个队列的带宽请求;
步骤二:OLT判断是否为EF业务,
若是EF业务,执行带宽预测,转至步骤三,若不是EF业务,不执行带宽预测,转至步骤四;
步骤三:计算EF业务实际需要的带宽,
OLT汇总EF队列的实际带宽请求采用RNN结构模型对等待时间Twait内到达的流量进行预测,将历史带宽请求做差分计算,设j周期内到达的数据包为得到j周期内的数据包到达的平均速率为
其中,Tcycle为轮询周期,
计算得到新增流量数据为EF业务的预测带宽结果为ONUi中EF业务的实际需要的带宽为:
为EF业务分配大小等于实际需要带宽的带宽,转至步骤七;
步骤四:OLT生成AF、BE业务实际需要的带宽,
OLT分别汇总AF、BE两个队列的实际带宽请求和实际需要的带宽等于队列请求的带宽,其公式为:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于河南理工大学,未经河南理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110467814.6/2.html,转载请声明来源钻瓜专利网。