【摘 要】
:
由于互联网行业的快速与蓬勃发展,已经出现了各种各样需求不一的业务,如车联网行业、远程医疗、智能家居、5G工业等,不一样的业务对带宽、时延、存储等需求也有所不同。僵化的传统底层网络已经不能灵活的满足这些新兴网络业务的需求,因此网络切片技术应运而生。凭借软件定义网络(SDN)与网络功能虚拟化(NFV)技术,可以快速部署和集中管理网络切片,从而简化管理、提高资源利用率和降低成本。本文首先研究了基于SDN
论文部分内容阅读
由于互联网行业的快速与蓬勃发展,已经出现了各种各样需求不一的业务,如车联网行业、远程医疗、智能家居、5G工业等,不一样的业务对带宽、时延、存储等需求也有所不同。僵化的传统底层网络已经不能灵活的满足这些新兴网络业务的需求,因此网络切片技术应运而生。凭借软件定义网络(SDN)与网络功能虚拟化(NFV)技术,可以快速部署和集中管理网络切片,从而简化管理、提高资源利用率和降低成本。本文首先研究了基于SDN/NFV的网络切片框架与SDN/NFV核心思想,然后针对不同的问题,研究了网络切片的映射方法。针对网络切片映射过程中高优先级网络切片排队时间过长问题,提出了一种基于优先级最短路径贪婪算法(PSPG)。该算法首先将网络切片的排队模型建模为优先级任务队列模型,将队列分为高优先级与低优先级两个队列,然后建立网络切片映射问题的数学模型,明确优化目标为网络切片时延,接着将网络切片映射问题分为节点映射子问题和链路映射子问题进行求解。在进行节点映射时,采用贪婪算法的思想,为优先级高的网络切片优先分配性能较高的资源,将虚拟网络功能映射到对应的设备中。完成节点映射后,采用最短路径算法进行链路映射。最后,对PSPG算法进行实验仿真与结果验证分析。在网络切片映射过程中,时延与资源的占用是一对冲突的目标,因此,针对网络切片映射过程中时延最小化与资源利用最大化的冲突问题,提出了基于聚类的非支配排序遗传算法(KMCNSGA-II)解决网络切片的映射问题。由于优化问题是时延与资源的权衡问题,因此建立了多目标优化模型,然后明确了网络切片映射过程中的约束条件。采用KMCNSGA-II算法完成节点映射后,使用最短路径算法进行链路映射,最后对KMCNSGA-II进行实验仿真和结果分析。
其他文献
管道作为油气长距离运输的主要方式,其健康状态直接影响油气运输的安全性。在日常油气的输送过程中,管道在内部液体杂质和外部环境共同腐蚀作用下,易出现不同程度的缺陷。因此,为保证油气的输送安全,避免因油气泄露产生安全事故以及经济上的损失,研究一种用于埋地管道的无损检测方法具有重要意义。本文针对导波检测埋地管道缺陷的方法展开了研究。首先推导出导波在管道中传播的波动方程及频散方程,并绘制了频散曲线。根据频散
近年来,随着无线网络和人工智能技术的快速发展,人们对基于位置的服务越发重视。全球定位系统由于卫星信号易受室内墙体遮挡而无法进行正常室内定位,现有的多种室内定位技术受定位精度、成本、硬件等因素的制约而又未能被广泛应用。无线局域网(Wireless Local Area Network,WLAN)的快速部署和普及,为WLAN室内定位技术提供了良好的发展、应用和推广环境。本文主要针对WLAN室内定位技术
超声振动管材液压成形技术是在管材液压成形技术的基础上结合超声振动进行的,具有成形载荷低,填充性和贴模性好,壁厚均匀,成形质量高等特点。目前,超声振动管材液压成形的规律尚不清楚,开展成形规律的研究可以有效的描述管材的成形过程,分析管材的成形原理,进而能够合理的选择工艺参数,有效的抑制或消除成形缺陷,提高管材的成形性能,所以本研究具有重要的理论意义与应用价值。本文采用试验与仿真相结合的方法,开展了超声
随着雷达技术的发展以及雷达探测能力的不断提高,对于目标雷达散射截面积(Radar-Cross Section,RCS)的精确预估和测量变得越发重要。基于三维成像的RCS测量技术是近年新兴的一种真实、高效、灵活性更高的RCS测量技术。该技术通过对目标三维高分辨率成像,实现目标与背景噪声的分离,再通过近远场变换算法,得到目标的精确RCS。基于成像的RCS测量,其成像精度就直接影响着RCS的测量精度。而
随着人们生活水准的升级,小型乘用汽车作为一般商品逐步进入到各家各户中,乘用车安全日益引起消费者的重视。毫米波雷达在日常使用的主动安全装置占有重要地位,广泛应用于前向防撞、变道辅助、盲点检测等场景。针对车载毫米波雷达不同的应用对天线有不同的设计要求,本文分别设计了两款应用于前向防撞的高增益阵列天线和一款应用在乘用车防撞角雷达的宽波束阵列天线。具体的研究内容如下:1、77GHz前向汽车远距离防撞雷达S
逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)可以在全天候、全天时进行工作,完成对非合作目标的高分辨成像,是重要的雷达体制之一。频率分集ISAR作为一种新型的逆合成孔径雷达可以通过在每个观测时刻发射不同频偏的单频信号来获取目标的散射信息,可以克服传统ISAR宽带收发机复杂的问题。由于频率分集ISAR在每个观测时间内发射单频信号无法形成有效的距离像,相对
随着互联网的快速发展,信息过载现象日益严重,用户如何快速地找到需要的信息变得越来越困难。推荐系统能够精准的将信息推荐给用户,是解决上述问题的重要工具。神经网络具有强大的特征提取和特征建模能力,被广泛应用在推荐系统中,然而,神经网络学习的特征和传统的算法融合时,统一权值融合用户或项目的特征,会导致模型的性能受到限制。针对上述问题,本文分别对自编码建模的项目特征和深度神经网络建模的高阶特征进行元素级别
随着网络覆盖全球化的推进,水下平台与空中平台的跨介质激光通信成为近几年的热点研究领域之一。在该类通信中,信道由海水、海/气界面及大气组成,因其成分复杂,对光束传播的影响因素众多,到目前为止,尚无公认的跨介质信道模型。因此,保障跨介质激光通信的稳定性、可靠性仍然是一个极具挑战性的课题。现有的激光跨介质通信研究存在以下问题:(1)在垂直链路水下光通信中将海水设定为均匀介质;(2)在大气信道研究中,尚无
基于能量检测的非相干MIMO空分复用技术不需要精确实时的信道状态信息解调信号,且具有抗随机相位干扰、对多普勒频偏不敏感的特性,成为高速移动环境下实现大容量、高可靠通信的关键技术之一。多用户MIMO技术可以采用空分多址的方式在相同的时频资源上与多个用户进行通信,成倍地提高通信系统的容量和频谱利用率。现有的关于非相干多用户多天线检测技术的研究主要针对多用户SIMO上行系统,即使少部分文献研究了非相干多
交通标志在引导安全行驶、缓解城市拥堵、减少交通事故等方面都发挥着至关重要的作用。在智能驾驶系统中,交通标志的检测与识别一直以来都是研究的重点和难点。随着深度学习技术的日渐成熟,卷积神经网络越来越多的应用于交通标志的检测领域,且在环境良好的交通标志数据集中取得了不错的成果。但在真实的道路场景中,交通标志易受到复杂环境的影响,如天气、遮挡、光照等。此外智能车捕获的往往是全景图像,交通标志在全景图像中占