۲۲۳۹۳پ
per
بهینه‌سازی پارامترهای انتقال شبکه مخابرات نوری الاستیک جهت ارسال ویدیو
Optimization of Elastic Optical Networks Transfer Parameters for Video Transmission
/حامد علیزاده قاضی جهانی
: مهندسی برق و کامپیوتر
، ۱۳۹۸
، افشاری
۸۷ص
چاپی - الکترونیکی
دکتری
مهندسی برق گرایش مخابرات
۱۳۹۸/۰۶/۱۳
تبریز
برای تطبیق با نیازهای آینده جهت تبادل داده در بستر اینترنت، فناوری‌صهای انتقال و شبکه مخابرات نوری به سمت اهداف بهره‌وری بهتر، انعطاف و مقیاس‌صپذیری در حرکت است .شبکه نوری الاستیک (EON) قابلیت اختصاص طیف فرکانسی به مسیرهای نوری طبق پهنای باند موردنیاز مشتریان را دارا است .در شبکه EON می‌صتوان به سرعت انتقال داده تا نزدیکی ۱۰۰ GB/s رسید .از طرفی دیگر بررسی‌صها حاکی از آن است که با افزایش کاربردهای چندرسانه‌صای، درصد عمده‌ای از ترافیک مورداستفاده توسط کاربران اینترنت، ترافیک مربوط به داده‌های ویدیویی است .پیش‌صبینی می‌صشود تا سال ۱۲۰۲، داده ویدیویی حدود ۸۰ از ترافیک اینترنت را به خود اختصاص دهد .در این راستا، الگوریتم‌صهایی نیاز است تا این داده حجیم را به درستی در کنار بهره‌صوری صحیح از منابع طیفی شبکه مدیریت کند .در این رساله یک الگوریتم مسیریابی و تخصیص طیف (RSA) در شبکه EON مختص داده ویدیو در قالب یک مسئله بهینه‌صسازی پیشنهاد شده است که حداقل کیفیت مورد انتظار کاربر از ویدیو را تضمین می‌صکند .مسئله بهینه‌صسازی مطرح شده به‌صصورت توأم شامل محدودیت‌صهای EON و کیفیت ویدیو است .در این راستا یک مدل با رابطه بسته برای تخمین معیارهای کیفیت ویدیو بر حسب BER در گیرنده ارائه شده است .با استفاده از این الگوریتم، OSNR به عنوان یک پارامتر اثرگذار در کیفیت ویدیوی دریافتی در شیوه RSA دخیل می‌صشود .بررسی نتایج شبیه‌صسازی‌صها نشان می‌صدهد که با استفاده از این الگوریتم، میزان OSNR ویدیوی دریافتی در گیرنده نسبت به داده غیر ویدیویی بین ۱.۲dB تا ۱.۸dB بسته به میزان ترافیک شبکه بیشتر است .این بهبود در معیارهای کیفیت ویدیو در حالی است که احتمال انسداد به عنوان معیار کیفیت EON تغییری نکرده است .الگوریتم دوم پیشنهادی در این رساله مدولاسیون وفقی مبتنی بر یادگیری عمیق برای ارسال مناسب ویدیو است .این روش با هدف ارسال مناسب داده ویدیویی در کنار افزایش بهره‌صوری طیفی شبکه عمل می‌صکند .یک شبکه عصبی مصنوعی عمیق با داشتن بردار ورودی برای یک درخواست ارتباط شامل پارامترهای فاصله بین گره‌صهای فرستنده-گیرنده، تعداد گره‌صهای موجود در مسیر و کیفیت ویدیویی درخواستی کاربر آموزش می‌صبیند .خروجی این شبکه، مرتبه مدولاسیون با حداقل پهنای باند موردنیاز است به طوری‌صکه QoE کاربر را تأمین کند .دقت حاصل از تست داده آموزشی بالای ۹۹ است .نتایج حاصل از شبیه‌صسازی‌صها گویای بهره‌صوری طیفی بالاتر این الگوریتم تا ۱۲۰ در مقایسه با الگوریتم مشابه است .هم‌صچنین این امر موجب کاهش چشمگیر انسداد در شبکه EON می‌صشود
Traditional wavelength division multiplexing (WDM) based network operates within fixed frequency grids by assigning a fixed wavelength channel to a connection demand. Recently, an elastic optical network (EON) has been proposed to handle heterogeneous traffic by allocating flexible spectrum resources referred to frequency slots (FSs). Utilizing coherent optical orthogonal frequency division multiplexing (CO-OFDM), EON provides high data rate about 100 GB/s. On the other hand, along with the increasing bandwidth-intensive multimedia applications such as three-dimensional video-on-demand, e-learning, high-definition television, etc., video data communication has been growing. It is expected by 2021, 80 of the worlds Internet traffic will be video. This increase in data traffic demand leads to congestion in fiber optic data links. An innovative RSA algorithm is proposed in the form of an optimization problem guaranteeing video quality. This problem includes the EON and video quality constraints and challenges. To do this, we present a closed expression for video quality metric versus channel BER. Moreover, to have a good estimation of BER, we utilized a complete fiber optic model where uses nonlinearity coefficient, attenuation factor, input power, and some other physical parameters of the fiber. Using this RSA algorithm, the OSNR as an effective parameter in final video quality enters into the optimization problem. Accordingly, simulation results indicate that the mean OSNR of established connections with video content is about 1.5dB and 1.2dB higher than the OSNR of non-video connections for NSFNET and US backbone topologies, respectively. In second study, we focused on video communication over EON with the goal of increasing the efficiency of spectrum utilization. A deep neural network is trained in which the input features are source-destination distance, hop count, and the desired quality of a received video for a demand in the network. The output is a modulation level with the minimum required bandwidth guaranteeing the user QoE. The simulation results reveal that this approach saves more spectrum compared with distance-adaptive modulation scheme as a similar technique. This leads to a remarkable decrease in blocking probability in EON
Optimization of Elastic Optical Networks Transfer Parameters for Video Transmission
علیزاده قاضی‌جهانی، حامد
Alizadeh Ghazijahani, Hamed
سیاه و سفید
نمایه‌سازی قبلی
