【摘 要】
：
对多云聚合平台的现状、用途、需求分析、基本功能、应用场景进行了详细描述,论述了SD-WAN相较于传统的专线多云接入方式现状的优势.分析了多种SD-WAN接入多云聚合平台的组网方案并提出SD-WAN与专线结合实现网络链路监控的多云接入方案,提出了SD-WAN入多云的网络质量监控作用、融合组网下SD-WAN对underlay专线的监控作用、融合传统专线入多云的网络架构拓扑设计、SD-WAN与传统专线入云的分段式接入方式,介绍了混合组网入云应用场景、综合优劣势,从融合组网的角度体现SD-WAN入多云的价值.
【机 构】
：
中国电信股份有限公司上海分公司,上海 200085;上海斐立及信息科技有限公司,上海 200003
论文部分内容阅读
对多云聚合平台的现状、用途、需求分析、基本功能、应用场景进行了详细描述,论述了SD-WAN相较于传统的专线多云接入方式现状的优势.分析了多种SD-WAN接入多云聚合平台的组网方案并提出SD-WAN与专线结合实现网络链路监控的多云接入方案,提出了SD-WAN入多云的网络质量监控作用、融合组网下SD-WAN对underlay专线的监控作用、融合传统专线入多云的网络架构拓扑设计、SD-WAN与传统专线入云的分段式接入方式,介绍了混合组网入云应用场景、综合优劣势,从融合组网的角度体现SD-WAN入多云的价值.
其他文献
针对单载体的信息隐藏算法的嵌入容量、不可见性和鲁棒性受载体数量限制无法进一步提升的问题,将载体体素化和秘密信息的嵌入结合三维模型凹凸结构特征,提出了一种基于三维模型凹凸结构特征的多载体信息隐藏算法.首先,对三维模型进行体素化,并根据体素化后获得的数据集提取三维模型的凹凸结构特征对载体库进行分类,转换得到凹凸度区间后对其编码;其次,根据载体分类数对秘密信息分段并进行置乱和优化,使载体和秘密信息的嵌入通过其分类及分段数有效地联系起来,分别通过凹凸度区间和体素化坐标点的编码数据双重嵌入秘密信息,进一步提升算法性
量子互联网将量子计算、量子测量与通信相融合,可谓是量子信息技术演进的未来目标.然而,量子力学规律的限制,例如量子不可克隆、量子纠缠与测量坍塌等,对网络的网络功能、协议设计以及传输与中继等方面提出了新的挑战.首先介绍了量子互联网的基本概念与发展路径,考虑量子通信特性与经典通信的不同之处,从量子物理设备、网络协议、量子退相干与量子中继等方面对实现量子互联网的关键技术进行总结,并对量子互联网的发展进行了展望与建议.
为满足无线通信中高吞吐、低功耗的要求,并行译码器的结构设计得到了广泛的关注.基于并行Turbo码译码算法,研究了前后向度量计算中的对称性,提出了一种基于前后向合并计算的高效并行Turbo码译码器结构设计方案,并进行现场可编程门阵列(field-programmable gate array,FPGA)实现.结果表明,与已有的并行Turbo码译码器结构相比,本文提出的设计结构使状态度量计算模块的逻辑资源降低50％左右,动态功耗在125 MHz频率下降低5.26％,同时译码性能与并行算法的译码性能接近.
为了提高移动边缘计算(mobile edge computing,MEC)网络的频谱效率,满足大量用户的服务需求,建立了基于非正交多址接入(non-orthogonal multiple access,NOMA)的超密集MEC系统模型.为了解决多个用户同时卸载带来的严重通信干扰等问题,以高效利用边缘服务器资源,提出了一种联合任务卸载和资源分配的优化方案,在满足用户服务质量的前提下最小化系统总能耗.该方案联合考虑了卸载决策、功率控制、计算资源和子信道资源分配.仿真结果表明,与其他卸载方案相比,所提方案可以在
个性化推荐已成为解决信息过载的最有效手段之一,也是海量数据挖掘研究领域的热点技术.然而传统推荐算法往往只使用用户对物品的评分信息,而缺少对用户与物品潜在特征的综合考虑.基于因子分解机、宽神经网络、交叉网络和深度神经网络的融合,提出一种新的考虑多层次潜在特征的模型,可以提取用户与物品的浅层潜在特征、低阶非线性潜在特征、线性交叉潜在特征以及高阶非线性潜在特征.在4个常用的数据集上的实验结果表明,考虑用户与物品多层次潜在特征可以有效提高个性化推荐的预测精度.最后,研究了嵌入层维度以及神经元数量等因素对新模型预测
针对低信噪比下雷达信号识别准确率较低的问题,提出了一种基于时频图像和高次频谱特征联合的雷达信号识别算法.该算法首先对信号采用Choi-Williams分布(Choi-Williams distribution,CWD)变换获取时频图像,接着对时频图预处理并用灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取纹理特征;然后利用对称Holder系数提取信号的高次频谱特征;再将纹理特征和高次频谱特征构成一组联合特征向量,最后通过支持向量机(support vector
投诉工单自动分类是通信运营商客服数字化、智能化发展的要求.客服投诉工单的类别有多层,每一层有多个标签,层级之间有所关联,属于典型的层次多标签文本分类问题,现有解决方法大多数基于分类器同时处理所有的分类标签,或者对每一层级分别使用多个分类器进行处理,忽略了层次结构之间的依赖.提出了一种基于矩阵分解和注意力的多任务学习的方法(MF-AMLA),处理层次多标签文本分类任务.在通信运营商客服场景真实投诉工单分类数据下,与该场景常用的机器学习算法和深度学习算法的Top1 F1值相比分别最大提高了21.1％和5.7％
现有的时域恰可察觉失真(just noticeable distortion,JND)模型对时域特征参量的作用刻画尚不够充分,导致空时域JND模型精度不够理想.针对此问题,提出能准确刻画视频时域特性的特征参量以及异质特征参量同质化融合方法,并基于此改进时域JND模型.关注前景/背景运动、时域持续时间、时域预测残差波动强度、帧间预测残差等特征参量,用来刻画视频内容的时域特征;基于人眼视觉系统(human visual system,HVS)特性探索感知概率密度函数,将异质特征参量统一映射到自信息和信息熵尺度
室内分布系统的建设已经成为解决深度覆盖问题的有效手段.目前,5G网络建设发展迅速,室内分布系统建设呈爆炸式增长,室内分布系统的网络规划和设计需要更加精细化.如何有效评估室内信号覆盖效果,成为当前室内分布系统规划设计的重要任务之一.以某大楼为研究对象,用射线追踪传播模型仿真计算覆盖性能指标,并将结果与现有网络的路测数据进行对比.经过校正相关模型参数实现仿真与实测一致,论证仿真为网络部署提供了参考依据.
传统网络优化中路测工作存在难以全量测试道路及楼宇、测试工作量大、工作效率低、周期长、受人为因素影响等显性缺点,无法动态关注每个区域网络质量情况,且常规测量报告(measurement report,MR)数据不具备定位信息,无法精确定位如重叠覆盖度问题发生位置.基于最小化路测(minimization drive test,MDT)精准定位系统通过采集底层基站MDT数据,并根据重叠覆盖度算法输出高重叠覆盖度栅格,再通过自适应K最近邻-具有噪声的基于密度的聚类方法(K-nearest neighbor de