基于深度神经网络的EON自适应调制方法研究
为了在弹性光网络（EON）上最大化总频谱效率，提高用户体验质量（QoE），文章提出了一种基于深度神经网络（DNN）的自适应调制方法。首先对光纤中的网络传输质量进行估计，然后利用深度学习方法，将路由长度、跳数和视频质量作为请求特征的3个参数，根据每个需求的期望QoE，选择具有最大频谱效率的调制进制。仿真结果表明，所提方法的平均频谱效率在美国国家自然科学基金会（NSF）网络中比距离自适应和整数规划方法分别高了51%和32%，在中国网络（CN）骨干网中分别高了43%和29%；且所提方法的阻塞概率比距离自适应和整数规划方法最低降低0.01。...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | zho |
| Published: |
《光通信研究》编辑部
2021-01-01
|
| Series: | Guangtongxin yanjiu |
| Subjects: | |
| Online Access: | http://www.gtxyj.com.cn/thesisDetails#10.13756/j.gtxyj.2021.05.005 |