.png){kind=icon}
返回
Dynamic Slice Allocation in 5G Cloud RAN
.png){kind=icon}
PRE
AI
DOI：10.1007/s11277-025-11835-y.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
5G网络实现了各种创新应用，并包含三种主要服务：超可靠低延迟通信、海量机器类通信和增强移动宽带。网络切片是5G网络的基本组成部分。5G云无线接入网（C-RAN）采用网络切片框架，在共享物理网络上定义满足标准用例的专用虚拟网络。5G C-RAN在管理激增的数据流量时面临无线资源约束，需要高效的资源分配系统来确保切片的服务质量。本研究引入了一种5G C-RAN自适应切片分配系统，该系统根据当前网络状况实时调整切片优先级。我们提出了第二种系统，即延迟感知的自适应切片分配（DA-ASA）系统。该系统引入了最大时间延迟容忍度作为自适应切片分配（ASA）的附加参数，用于动态优先级计算。所提出的系统已扩展以考虑流量延迟容忍度。ASA系统通过实施动态资源分配和切片接纳控制，在提高网络资源利用率的同时确保每个切片的服务质量要求得到满足。此外，我们通过仿真实验评估了ASA系统的总阻塞概率、平均等待时间和资源利用率，并将所提出的系统与一种现有方案的改进版本——静态切片分配（SSA）系统进行了比较。结果表明，DA-ASA和ASA系统通过实现更优的系统利用率、切片隔离和服务质量保障平衡，超越了SSA系统。
Keyword:
Slice admission control
Dynamic resource allocation
Cloud-RAN slicing
Network slices
5G
Radio access network
期刊
IF:
2.2
论文数:
742
被引数:
1.2W
机构
引用论文
Energy Efficiency and Throughput Optimization in 5G Heterogeneous Networks5G异构网络中的能效与吞吐量优化.png)
Electronics
OAAI
ElectronicsIF0
OAAI分享收藏A Methodology to Characterize Power Control Systems for Limiting Exposure to Electromagnetic Fields Generated by Massive MIMO AntennasIEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Admission Control for 5G Core Network Slicing Based on Deep Reinforcement Learning基于深度强化学习的5g核心网切片接纳控制
PREAI
分享收藏Communication and Computing Integrated RAN: A New Paradigm Shift for Mobile NetworkIEEE NETWORK
IEEE NETWORKIF6.3
PREAI
分享收藏
查看更多内容