Cloud-Radio Access Networks (Cloud-RANs) are separating the mobile networks base station functions into three units, the connection between the two of them is referred to as the fronthaul network. This work demonstrates the transmission of user data transport blocks between the distributed Medium Access Control (MAC) layer and local Physical (PHY) layer in the radiounit over a Passive Optical Network (PON). PON networks provide benefits in terms of economy and flexibility when used for Cloud-RAN fronthaul transport. However, the PON upstream scheduling can introduce additional latency that might not satisfy the requirements imposed by Cloud-RAN functional split. In this work we demonstrate how our virtual Dynamic Bandwidth Allocation(DBA) concept can be used to effectively communicate with the mobile Long Term Evolution (LTE) scheduler, adopting the well known cooperative DBA mechanism, to reduce the PON latency to satisfactory values. Thus, our results show the feasibility ofusing PON technology as transport medium of the fronthaul for the MAC/PHY functional split, in a fully virtualised environment.Further background traffic is added, so that measurements show a more realistic scenario. The obtained round trip times indicates that using PON at fronthaul might be limited to the distance of 11km for a synchronised scenario, or no compliance for a non-synchronised scenario.


翻译:移动网络-云光存取网络(Cloud-RAN-RANs)将移动网络基站功能分为三个单元,其中两个单元之间的连接称为前方网络,这项工作表明,通过被动光学网络(PON)将分布式中等存取控制(MAC)层和局部物理(PHY)层之间的用户数据传输区块传送到无线电单元中。PON网络在用于云-RAN前厅运输时,在经济和灵活性方面提供了好处。然而,PON上游调度安排可能带来额外延迟,可能无法满足云-RAN功能分离的要求。在这项工作中,我们展示了我们虚拟动态宽带分配(DBA)概念如何在分布式中分布式中等存取的中中存控制层与当地物理(PHY)层之间传递用户数据传输区块。PON网络在用于云光学-RAN fronhaul运输时,在使用PHY/PHY功能分割时,在完全虚拟化的环境中,使用PYDA(DA)功能分解后,进一步的背景交通流量可能显示更符合现实的同步情景情景,在11号前行进行不同步测量。

0
下载
关闭预览

相关内容

Networking:IFIP International Conferences on Networking。 Explanation:国际网络会议。 Publisher:IFIP。 SIT: http://dblp.uni-trier.de/db/conf/networking/index.html
【WWW2021】张量时间序列网络
专知会员服务
44+阅读 · 2021年4月20日
专知会员服务
110+阅读 · 2021年4月7日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
79+阅读 · 2020年7月26日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
154+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
177+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
94+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
41+阅读 · 2019年10月9日
人工智能 | NIPS 2019等国际会议信息8条
Call4Papers
7+阅读 · 2019年3月21日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
【泡泡一分钟】用于评估视觉惯性里程计的TUM VI数据集
泡泡机器人SLAM
11+阅读 · 2019年1月4日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
神经网络学习率设置
机器学习研究会
4+阅读 · 2018年3月3日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
VIP会员
相关VIP内容
【WWW2021】张量时间序列网络
专知会员服务
44+阅读 · 2021年4月20日
专知会员服务
110+阅读 · 2021年4月7日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
79+阅读 · 2020年7月26日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
154+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
177+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
94+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
41+阅读 · 2019年10月9日
相关资讯
人工智能 | NIPS 2019等国际会议信息8条
Call4Papers
7+阅读 · 2019年3月21日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
【泡泡一分钟】用于评估视觉惯性里程计的TUM VI数据集
泡泡机器人SLAM
11+阅读 · 2019年1月4日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
神经网络学习率设置
机器学习研究会
4+阅读 · 2018年3月3日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员