基于深度强化学习的OFDMA-PON三维资源分配研究与性能分析

作者：陈斌; 顾家骅; 朱敏^*; 晏春平; 周怡君; 顾萍萍

来源：聊城大学学报(自然科学版), 2020, 33(06): 40-46.

DOI：10.19728/j.issn1672-6634.2020.06.005

• OFDMA-PON
• DRL
• 动态子载波分配
• 低延迟
• 节能

由于具有大容量、高效灵活的多地址访问、高频谱效率、动态带宽分配等优点,正交频分复用接入无源光网络(OFDMA-PON)成为了下一代光接入网络的最有潜力的选择之一.在OFDMAPON中,不同的光网络单元(ONU)可以共享子载波资源来支持网络资源管理和有效带宽分配.在上行传输中,多个ONU可以在整个传输周期内的不同时隙(TS)内共享正交低比特率子载波(SC)来传输上行数据.本文提出了一种基于深度强化学习(DRL)的动态子载波分配(DSA)策略.该策略以动态灵活的方式联合分配OFDMA-PON中时隙、子载波和调制格式等三维资源,通过采用合适的调制格式,同时优化业务延迟和ONU发射功率.将本文提出的基于DRL的DSA算法与传统的二维DSA算法进行仿真比较,结果表明,本文提出的DSA算法不仅大大降低了业务延迟,还可以节省ONU发射功率.

• 单位
  移动通信国家重点实验室; 东南大学