在网络功能虚拟化(Network Function Virtualization,NFV)环境下,保证用户服务功能链(Service Function Chain,SFC)服务质量的同时节约资源消耗,降低运营成本,对运营商来说至关重要。联合考虑SFC部署和无线接入网资源分配,提出一种基于...
详细信息
在网络功能虚拟化(Network Function Virtualization,NFV)环境下,保证用户服务功能链(Service Function Chain,SFC)服务质量的同时节约资源消耗,降低运营成本,对运营商来说至关重要。联合考虑SFC部署和无线接入网资源分配,提出一种基于深度强化学习的SFC多维资源联合分配算法。构建一种基于环境感知的SFC资源分配机制,建立用户时延要求、无线速率需求以及资源容量等约束下的SFC部署成本最小化模型。考虑到无线环境的动态变化,将此优化问题转化为一个无模型离散时间马尔科夫决策过程(Markov Decision Process,MDP)模型。由于该MDP状态空间的连续性和动作空间的高维性,采用深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)强化学习算法进行求解,得到最小化部署成本的资源分配策略。仿真结果表明,该算法可在满足性能需求及资源容量等约束的同时,有效降低SFC部署成本和端到端传输时延。
针对传统谱分析仪不具有实时谱检测功能且非平稳瞬态信号分析能力不足的问题,提出一种实时谱分析方法并利用FPGA(field-programmable gate array)平台硬件实现。该方法采用长度逼近平稳信号的观察窗、多相滤波器组、线性调频Z变换(chirp Z transform,CZT)频谱细化算法和谱分析算法实现信号实时谱分析。根据系统时延分析和用户输入参数对FPGA各模块时钟频率与运算参数进行配置。仿真结果表明,该方法克服了传统基于快速傅里叶变换(fast fourier transform,FFT)算法全景谱分析和短时傅里叶变换时频相互制约的缺陷;对于平稳信号频率测量误差小于0.6%和功率误差小于4.5%,系统最大时延小于37μs;对于长度为32.768μs的非平稳信号最大时间测量误差和频率测量误差分别为0.836μs和94 k Hz。该设计除有22.558μs的初始计算延时外,对连续数据处理具有实时性能。
暂无评论