云边协同中的资源调度优化

随着业务类型的丰富和多样化，低时延、高带宽、数据私密性、高可靠性等成为业务普遍的要求。边缘计算、雾计算、分布式云、算力网络等方案相继被提出，并在产学研各界引发了深度的研究和探索。针对“多级的算力分布以及算力的协同将是未来算力结构的主流”这一观点，产业内外达成了共识，算力管理、分配、调度等与资源优化相关的问题也成为当下的研究热点和重点攻关方向。为此，面向未来的算力供给结构，首先描述了学术界、产业界资源调度优化问题的最新进展，总结了当前的主要方法论和工程实施架构；然后，针对两种典型的云边协同场景，从场景拆分、调度目标、求解方案依次进行分析，给出了适应场景特性的资源调度优化参考方案。     

基于“三网融合”的可视化资源协同

网络的宽带化发展有效促进了可视化资源的使用,特别是"三网融合",推动了应用协作和资源共享的发展,在三网间共享资源,实现整个社会信息资源的重复利用和深度挖掘,必将给社会带来巨大的经济效益和社会效益.因此,探索在"三网"间进行可视化资源协同、信息共享是社会信息化发展的重要内容.     

基于AI算法的5G多接入协同方案及关键技术

AI是5G Advanced及6G的核心技术之一,它与移动通信网络的深入融合可推动运营商网络向自智化方向演进,提升运营商生产和运营效率,在运营商网络中,多种接入方式将长期共存,需要考虑多接入的协同问题.针对此需求,论述了基于AI算法的5G多接入协同方案,分析了网络全息感知、自适应模型算法、实时闭环验证及隐私保护等关键技...     

基于AI的4G/5G基站协同节电方法研究与应用

本文提出基于AI的4G/5G基站协同节电方法以AI技术为突破口,构建重叠覆盖拓扑结构,研究重叠覆盖核心算法,建立业务长时和短时预测深度学习算法,精细化分析网络业务负荷潮汐效应时段,输出智能节电策略,通过系统自动编辑下发休眠和唤醒指令,在保证网络覆盖和客户业务体验情况下,实现业务闲时4G/5G协同的智能节电,达到移动通信网络整体节能减排效果。     

星地融合边云协同网络下的资源调度研究

通过边缘计算和云计算的优势互补,面向6G的星地融合网络能够实现资源的弹性分配和协同利用,满足数据处理的实时性和智能化要求。为了提升资源服务能力和用户体验质量,提出了星地融合边云协同网络架构。首先,阐述了三种不同边云协同模式下的资源调度方案,从时延、能耗和多目标优化的角度分析了不同场景下的资源调度策略。然后,对比了现有资源调度求解模型和算法的优势和局限性。最后,对基于边云协同的星地融合网络中的资源调度研究进行了总结与展望。     

6G通感算一体化网络架构和关键技术研究

面向2030及未来,融合通信、感知和计算的6G网络成为社会数字化转型的基础。目前业界更多的开展通信感知一体化的研究工作,因此从网络系统架构设计和应用部署的角度出发,提出了通感算一体化网络架构设计方案,并介绍了系统功能、无线空口设计、多模态协同感知、算力供给、业务编排、网络调度、安全等关键技术;最后给出了面向通感算一体化服务的网络和服务性能指标体系设计。     

4G、5G无线网络协同建设探讨

4G网络在很长一段时间内仍是数据和语音业务的主要承载网,将与5G网络长期共存,因此做好4G和5G网络协同将是为用户提供高质量、高感知无线网络的前提和保障.重点从频率资源、覆盖效果及站址配套资源协同建设上来分析4G和5G协同组网部署应用技术,为4G和5G的融合建设和发展提供支持.     

面向6G的通感算融合服务、系统架构与关键技术

5G系统主要面向通信服务而设计,并不是为原生支持通感算融合服务而设计的。6G将原生地支持通信、感知和计算服务,成为支撑未来社会高效可持续发展的网络信息底座,赋能丰富多彩的未来新业务。为此,解释了通感算服务以及服务用例,并定义了不同服务对应的性能指标和效率指标。为满足通感算融合服务及其指标,给出了一种通感算融合的系统架构及其关键特征。感知数据传输和计算数据传输既不同于通信的用户面数据传输,也不同于通信的控制面数据传输,进而提出了面向通感算融合的数据面,以解决通感算融合业务的数据传输需求。进一步地,面向通算融合,给出了6G通算融合基本流程,并给出了6G通算融合方案与算力网络协同的三种选项。面向通感融合,简要介绍了通感一体化的9个关键技术。还对感知和计算的“对外服务”和“对内服务”的逻辑关系进行了阐述。最后,给出了通感算融合的未来研究方向。     

基于IPRAN的移动基站综合承载方案

随着国内4G发牌及建设的逐步启动,LTE基站大带宽回传是网络建设重点与基础;本文结合IPRAN技术及4G建网特点,分析了LTE及CDMA承载的流量、同步、组网需求,探讨了IPRAN组网、C网IP化改造方案;为搭建2G、3G、4G共承载的综合IPRAN网络提供方案建议,以实现快速部署LTE回传网络。     

面向多层无线网络的基站协同节能

为进一步提升基站节能效益,开展了面向多层无线网络的基站协同节能研究。首先,提出了节能优先级机制,根据各频点在网络覆盖、业务承载等方面承担的角色,设置各频点的节能优先级。在基站协同节能判决时,先对优先级高的频点实施节能。其次,通过对基站负荷评估和统计指标的研究,提出了5G到4G的负荷转移评估机制,以确保5G节能关断后,4G可以有效承接全部业务。最后,研究建立了4G/5G多层网络间基于负荷、故障的协同节能流程,在满足条件时对5G网络实施硬节能,并通过监控机制确保可以在必要时唤醒5G。实践应用表明,面向多层无线网络的基站协同节能可以在保障网络服务能力的基础上,有效提升基站节能效益。     

2G农村低话务基站资源调整方案分析

分析了2G网络目前存在的问题,对农村低话务基站资源调整提出了解决方案,并进行对比测试分析,验证了方案的可行性,为后期2G网络资源调整提供了建设依据。     

四网协同场景下的核心网互操作方案

本文以四网协同组网场景下的互操作方案为切入点,通过核心网的深度融合,从实际业务连续性保障的需求出发,探讨分析了终端在2G/3G/LTE和WLAN之间的无缝漫游及互操作流程,实现业务连续性体验,往四网协同发展的目标演进.     

网格资源协同分配死锁处理问题研究

网格中资源协同分配是资源组织和调度的一个重要组成部分,如何检测应用之间的死锁是资源协同分配过程中需要解决的重要问题。通过对网格中死锁原因的分析,对死锁的特点进行描述。提出基于Agent的网格资源协同分配死锁处理算法,并对算法进行实验验证。实验证明使用该方法不仅能够检测解除应用资源分配过程中的死锁,与其他方法相比,还能获得好的资源分配性能。     

6G车联网络面向多源感知的数据融合技术

为满足未来自动驾驶车辆全方位、高可靠的感知性能需求,6G需要对不同维度、来源、颗粒度的多源感知数据进行实时传输与全局融合处理。然而,由于激光雷达、摄像机易受环境影响,毫米波雷达分辨率有限,不同车辆多视角点云姿态估计不准确等问题,分布在车联网络中的多源感知数据难以实现精确融合,同时有限通信带宽难以支撑海量感知数据的协同共享。为此,基于通信-感知-计算融合(通感算融合)的思想,提出了一种6G车联网络面向多源感知的数据分级融合处理方法。首先车侧借助于激光雷达、毫米波雷达与摄像机之间的空间校准,实现多传感器优势互补的深度融合,之后多车自组织成簇,采用ICP算法融合多车感知数据,并通过压缩去冗处理降低通信上传开销,最后路侧在无线感知辅助下,通过两步配准方法实现多源感知数据的全局融合。通过搭建仿真平台对所提方法进行性能验证,仿真结果表明所提多源感知数据分级融合方法可在通信开销较小的前提下保证感知精度,扩展车联网络感知范围和感知维度,并能保证恶劣天气下感知可靠性。     

面向6G通感算深度融合的云-网-边智能协同

通信-感知-计算（通感算）深度融合对6G网络端到端传输时延、可靠性等通信指标提出了极高的要求,因此提出一种云-网-边智能协同方案。首先,将云-网-边智能协同系统抽象为“三域四层三面”分布式体系结构,包括：计算域、感知域、通信域;基础设施层、虚拟化层、功能层、应用层;智能面、控制面、管理编排面。然后,通过云-网-边协同训练与推理,以支撑通感算智能协同。最后,搭建面向6G通感算深度融合的云-网-边智能协同实验平台。实验结果表明：云-网-边智能协同可提高系统可靠性,降低传输负载和业务时延。     

一种面向服务的算网路由架构方案

网络感知算力并据此执行算网融合路由,是算网融合在网络基础设施侧的一种重要技术方案。相对于传统基于主机地址的网络路由机制,算网路由最主要的增量是在网络侧引入分布式多算力实例的优选,因此位置和归属无关的服务标识将成为新的寻址和路由标的。阐述了一种端到端的算网路由解决方案及其对路由协议的影响,并基于典型场景和测试用例,分析了面向服务标识的算网路由架构方案在功能和性能维度的收益。     

面向5G-A及6G的用户面演进研究及趋势分析

介绍了目前5G用户面节点的架构和功能,结合未来5G-A和6G新的业务需求场景,分析了用户面演进的驱动力,并梳理了目前国内外标准组对用户面及其增强技术的研究进展。最后分析了未来用户面演进的趋势,包括与边缘深度融合、集中与分布式协同、定制化以及开放共享等,为后续进一步推动用户面的演进,助力网络赋能千行百业行业应用提供参考。     

基于网络演进的人工智能技术方向研究

国家战略把人工智能（AI）及物联网（IoT）/5G同时定位为信息基础设施的重要组成部分,其中人工智能属于新技术基础设施,IoT/5G属于通信网络基础设施。这引出了“通信技术与人工智能技术融合发展”的技术方向。对于电信运营商而言,如何将人工智能技术与网络融合,重构网络技术架构,将“AI能力”作为“服务”开放,将是重要的技术演进方向。基于这一命题,探讨了未来AI和网络技术的发展方向,为未来AI技术与IoT/5G网络架构的融合发展方向提供了参考思路。     

基于Mesh技术的网络融合与协同

无线网络在网络、技术、终端、运营管理等各个方面越来越体现出异构的特点。异构网络的有效融合与协同可以通过Mesh技术完成。异构网络的融合为IP层面的融合,是对网络共性的整合,异构网络的协同则是对网络个性的整合。通过网络间的融合与协同,对异构网络分离的、局部的优势能力与资源进行有序整合,最终实现无处不在、无所不能的智能性网络。