SupePON的一个自适应带宽分配算法及其时延性能分析

针对SuperPON接入系统大时延、多用户的特点,给出了针对非实时业务流的基于申请－许可的带宽分配处法,自适应于网络的负载状况,申请信道动态地从随机接入到固定分配间切换,系统地时延特性由计算机椹给出,结果表明该算法同时保证系统在低负载时的低时延特性和高负载时的高吞吐量,能改善尽力服务类型业务的性能。     

EPON中保证QoS的动态带宽分配算法

作为一种新技术，EPON系统采取在下行信道使用广播方式而在上行信道使用时分多址(TDMA)方式，为用户提供共享传输介质的接入方式，因此就需要一种接入控制机制来为用户分配带宽。为了使EPON系统更好地支持QoS并且进一步提高带宽利用率，提出了一种新的固定周期轮询动态带宽分配算法，针对不同时延特性业务采用不同的授权分配算法。算法包括两部分：OLT时ONU的调度以及ONU内部不同优先级的队列之间的调度。最后讨论了包时延、系统吞吐量等仿真结果和性能分析。     

基于OPNET的GPON建模及其DBA算法研究

介绍了GPON的动态带宽分配过程,针对GPON系统动态带宽分配过程中的时延特性,考虑了GPON的全部TCONT类型,在C-DBA算法基础上,对算法进行了改进.运用OPNET软件对GPON系统及改进的算法进行建模仿真,给出了仿真结果.     

GPON动态带宽分配算法研究

针对GPON系统动态带宽分配过程中存在的时延特性,将经过最小均方误差算法修正的线性预测模型引入基于T-CONT的周期轮询动态带宽分配算法中,通过预测每个T-CONT在等待时间内到达的数据流量,来提高ONO向OLT申请带宽的准确度,降低业务传输时延.最后利用OPNET软件对改进算法进行仿真验证,仿真结果表明引入预测机制后...     

在工业网中EPON的DBA算法研究

EPON系统中,上行数据传输的动态带宽分配（DBA）算法是关键技术之一。针对EPON在工业网络通信中的应用,对现有的DBA算法进行了分析和改进,以保证监控和报警等特殊业务的实时送达,消除交叉轮询的带宽浪费,并对该算法进行了仿真实验。仿真结果表明,该算法的带宽利用率高,业务时延抖动低,并且在低负载时无轻载惩罚现象。     

一种改进的EPON动态带宽分配算法

对现有的EPON上行链路动态带宽分配算法进行了改进,有效地提高了带宽利用率和时延抖动两个指标.同时利用OPNET构建了EPON系统仿真模型,仿真结果表明:改进后的算法具有较高的带宽利用率和较低EF业务时延抖动.为制定多业务QoS的EPON上行接入带宽分配标准提供参考.     

一种支持多用户SLA的EPON上行带宽分配算法设计

在接入网服务等级协定的基础上,分析了以IPACT和CyclicDBA为代表的EPON上行动态带宽分配算法,讨论了其对EPON上多用户SLA支持所存在的固有缺陷。提出了适合SLA应用的EPON控制帧结构:授权帧和请求帧。根据这两种控制帧,设计了一种新型的支持多用户SLA的EPON上行信道带宽分配算法,等级轮询固定周期算法。通过理论分析和计算机仿真测试表明该算法针对EPON不同类型的接入用户均达到了较理想的性能指标,高优先级业务良好的时延和时延抖动特性,各种业务队列的尺度平稳,同时HPFCT还解决了传统轮询算法中低负载时下行带宽浪费明显的问题。     

EPON上行信道中的动态带宽分配算法研究

传统的EPON系统的上行动态带宽分配方案是类似于IPACT的基于时隙长度分配的,这样虽然使上行信道得到了充分的利用,但是由于包延迟变化较大,不适合实时业务的传送.文章提出了一种多级授权分离发送动态带宽分配算法,它可以为不同业务提供不同的服务质量,既满足了实时业务的需要,又在一定程度上提升了网络的利用率.通过仿真测试,发现这种算法均有良好的时延特性和较稳定的队列尺度,能较好地支持多业务优先级的EPON系统.     

避免轻载惩罚支持多业务的EPON动态带宽分配

为了支持语音、视频和数据等多业务接入,以太网无源光网络(EPON)动态带宽分配算法需要保证不同业务的优先级以提供不同的服务质量(QoS)、减小实时业务时间延迟,这会带来轻载惩罚问题.针对该问题,文章提出一种基于多队列带宽分配方案,即光网络单元为不同优先级的业务分别申请带宽并引入预测机制.给出了具体算法并进行了算法仿真.仿真结果表明,该方案不仅能支持语音、视频和数据等多业务接入,还能从根本上避免轻载惩罚,通过预测可以进一步提高高优先级业务的QoS.     

波分复用无源光网络中用户随机接人的性能估计

本文提出了在波分复用无源光网络(WDMPON)中,用户接入采用随机接入的新方式,分析了网络性能.同时,为了改善随机网络的网络性能,首次提出了跳波长随机接入的方法.通过文中的数值结果可以看出,网络负载,特别是网络时延特性的改善非常明显.