CN104320726A - 基于线性预测的时分波分复用无源光网络资源分配机制 - Google Patents

Abstract

本发明公开了一种基于流量预测的时分波分复用无源光网络资源分配机制，属于接入网当中的无源光网络技术领域。所述机制包括：在OLT对ONU的带宽请求进行授权时，首先还是按照最早空闲波长优先算法进行波长分配，然后对于每一波长上时隙带宽的分配，这里考虑引入线性预测算法，在ONU上行REPORT帧请求带宽的基础上加上预测带宽，一并授权给ONU。这样就可以将整个“请求-授权”过程进行中新到达该ONU的数据尽可能地考虑进去，让其也在本周起内发送，而不必等到下一周期。这样可以达到尽可能减少包延迟的目的。

Description

基于线性预测的时分波分复用无源光网络资源分配机制

技术领域

本发明涉及一种基于线性预测的时分波分复用无源光网络(TWDM-PON，Time and Wavelength Division Multiplexed-PON)资源分配机制，属于无源光网络(PON，Passive Optical Network)技术领域。 

背景技术

在现有的光网络中，接入网已经成为整个通信网络的“瓶颈”。如何解决这个"瓶颈"问题已经成为专家学者们以及各大设备商和运营商的关注焦点。在这种情况下，无源光网络(PON)技术开始浮出水面，并以其优势给人们解决这一问题带来了很高的期望。 

无源光网络(PON)是一种树状结构的全光纤分配网络，由局端的光线路终端(OLT)、用户端的光网络单元(ONU)和光分配网络(ODN)组成。ODN不含有任何电子器件、电源和有源光器件，全部由光纤、光分路器、光连接器等无源光器件组成，是一种“无供电、免维护”的入户方案。 

随着带宽需求的不断增长，无源光网络(PON)技术已经成为目前全球各个电信运营商关注的热门技术之一，也是运营商实施“宽带提速”、“光进铜退”工程的技术基础。近几年，由美国电气和电子工程师协会(IEEE)标准化的EPON和由国际电信联盟电信标准化部门/全业务接入网论坛(ITU-T/FSAN)标准化的GPON成为FTTH的两大主流技术，并得到规模部署。为了进一步提高系统能力，满足高带宽业务发展的需求，IEEE和ITU-T/FSAN也分别于2009年9月和2010年6月制定完成了10Gbit/s EPON标准IEEE 802.3av和XG-PON标准G.987。10Gbit/s EPON和XG-PON1的产业化也在快速进行，10Gbit/s PON技术已经成熟，开始在网络中规模部署。 

目前交互式网络电视(IPTV)、高清晰度电视(HDTV)、网络游戏、视频业务等大流量、大宽带业务的开展和普及，每用户的带宽需求预计将以每3年一个数量级的趋势递增，从未来运营商长期发展趋势分析，每用户的带宽需求将会在50～100Mbit/s。为了满足更远期用户对带宽的需求，业界开始了后10Gbit/s PON的技术研究和标准化工作。FSAN定义了NG-PON2，目标是研究具有技术跨越性的新型PON系统，例如利用WDM、OFDM、CDMA等技术设计的多点光接入系统。NG-PON2阶段的PON系统不要求与现有EPON或GPON系统共存。 现阶段来看，NG-PON2仍然处于技术研究探索阶段，主流技术包括TWDM-PON(Time and Wavelength Division Multiplexed-PON)、WDM-PON(Wavelength Division Multiplexed-PON)、OFDM-PON(Orthogonal Frequency Division Multiplexed-PON)等。 

TWDM-PON系统是将TDM-PON与WDM-PON进行混合而成的PON结构，经过不断的演进与发展，2012年4月TWDM-PON被国际标准组织FSAN选定为NG-PON2的唯一发展方向。TWDM-PON结合了时分无源光网络和波分无源光网络的优点，非常适合于从时分无源光网络到波分无源光网络的过渡阶段部署。 

目前有关TWDM-PON资源分配算法的研究尚处于起步阶段，大多是在原有EPON动态带宽分配算法的基础上进行了波长扩展，因此大多属于无预测的、无优先级区分的统计时分复用算法。OLT根据ONU的REPORT帧所报告的ONU缓存中等待队列的长度信息对ONU进行带宽分配。但是，ONU发出的REPORT帧中所包含的等待队列长度信息是生成REPORT帧时ONU中的等待队列信息，从这一时间点起，ONU仍然在不断的接收着用户端发来的数据，到ONU接收到OLT授权，在所授权的发送时间点开始发送数据的时候，又有很多数据帧进入ONU缓存。这部分数据帧在接下来的授权时隙就没机会被发送，即使在网络流量不大的情况下，它们还是要等到下一次生成REPORT帧时才有机会被申请授权，再等到下一周期的发送时隙里才有机会被发送。因此，数据帧端到端延迟比较大。 

如果可以较好地预测ONU等待时间内进入ONU缓存的数据量，OLT在授权时考虑到这一部分数据量并对之进行授权，就可以较好的解决上述问题。本算法就是考虑在资源调度时引入线性预测算法，在上行发送REPORT帧时将预测值也加进去，进一步提高网络的资源利用率，降低包时延。 

发明内容

为了进一步提高TWDM-PON系统网络的资源利用率，降低包时延，将PON网络的价值最大化，本发明提供了一种基于线性预测思想的波长和时隙的资源管理算法。所述技术方案如下： 

一种基于线性预测思想的波长和时隙的资源管理算法机制，所述机制包括： 

对于上行突发帧，在帧头部分会有各个ONU的编号、帧类型(数据、控制)以及该ONU缓冲区中缓存数据的大小。上下行帧结构见附图2.为了方便讨论，这里省掉了帧结构中的大部分，只保留了帧头中的涉及到该算法的字段。(如果有的字段实际标准帧结构中没有则可以通过“保留”字段自行定义，以确保算法的有效实施)。 

整体的资源分配还是遵循离线算法，当OLT收到所有ONU的请求后才进行授权分配。其中对于波长的分配，这里依旧采用最早空闲波长优先算法，即当OLT接收到ONU侧的资源请求时，会优先分配此时最先空余的波长。 

对于每一波长上带宽的分配，这里考虑引入线性预测算法。OLT侧在分配时隙时，考虑在ONU上行REPORT帧请求带宽的基础上加上预测带宽(具体预测机制下文有详细阐释)，一并授权给ONU。这样就可以将整个“请求-授权”过程进行中新到达该ONU的数据尽可能地考虑进去，让其也在本周起内发送，而不必等到下一周期。这样可以达到尽可能减少包延迟的目的。 

与现有技术相比。本发明的优点在于： 

1.根据ONU的需求和OLT的预测，合理分配系统的波长和时隙资源，降低包延迟，通过OLT的调控，最大程度上传输数据，使得光网络的价值最大化。 

2.采用了较为简单的权重自适应线性预测算法，既保证了预测的科学性，又避免因使用其他预测算法而造成的算法复杂性的提高。 

附图说明

图1：TWDM-PON系统拓扑示意图 

图2：相关的帧头结构简图 

图3：本发明中基于线性预测的TWDM-PON资源分配机制的算法流程图 

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将具体对本发明作进一步的详细描述。本发明实施例的TWDM-PON系统中基于流量预测的系统资源分配机制算法，包括以下步骤： 

步骤1：ONU在自己的轮询周期内向上发送REPORT帧，其帧头中有此时该缓存区中缓冲数据的大小。 

步骤2：OLT在收到REPORT帧后，执行以下预测算法，对其进行流量预测。 

其中α是自适应权重系数，而L决定了预测带宽由前面“几个”观察结果决定。权重系数通过最小平均值算法(LMS)计算： 

${\mathrm{\α}}_{i,j}(n+1)={\mathrm{\α}}_{i,j}\left(n\right)+\mathrm{\μ}\left(n\right)\·\frac{e_j\left(n\right)}{B_j\left(n\right)}$

其中μ是步进长度，e为误差： 

$\mathrm{\μ}\left(n\right)=L/\underset{j=0}{\overset{L-1}{\mathrm{\Σ}}}\left[B_j^2(n-k)\right]$

步骤3：OLT根据ONU的REPORT帧中数据的大小和线性预测算法得到的预测流量的大小，为该ONU分配资源。 

本说明书中未作详细描述的内容均属于本领域专业技术人员公知的现有技术。 

显然以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、替换等，均应包含在本发明的保护范围。 

Claims (4)

1.基于线性预测的时分波分复用无源光网络资源分配机制，其特征在于包括如下步骤：

在TWDM-PON系统中，若ONU需要传输数据，则会在传输之前发送资源请求帧向OLT申请波长和时隙资源，OLT在接到请求帧后会先对帧头进行分析，然后给出授权。在OLT对ONU的带宽请求进行授权时，首先还是按照最早空闲波长优先算法进行波长分配，然后对于每一波长上时隙带宽的分配，这里考虑引入线性预测算法，在ONU上行REPORT帧请求带宽的基础上加上预测带宽，一并授权给ONU。这样就可以将整个“请求-授权”过程进行中新到达该ONU的数据尽可能地考虑进去，让其也在本周期内发送，而不必等到下一周期。这样可以达到尽可能减小包延迟的目的。

2.根据权利要求1所述的授权帧，其特征在于：

OLT分配授权帧时考虑引入线性预测算法以减小包延迟。

3.根据权利要求2所述的线性预测算法，其特征在于：

采用了自适应权重的线性预测算法以评估整个“请求-授权”过程进行中新到达该ONU缓存区的数据。

4.根据权利要求3所述的自适应权重，其特征在于：

权值会根据以往的预测误差进行自适应的调整，以便保证预测的准确性。