王建华, 冉煜琨, 赵 杰,2

(1.成都理工大学 工程技术学院, 四川 乐山 614000； 2.核工业西南物理研究院,成都 610213)

0 引 言

随着光网络、物联网和多媒体等技术的快速发展，视频数据通信量正大量增长[1-2]。传统的波分复用(Wavelength Division Multiplexing, WDM)网络难以胜任，而弹性光网络[3](Elastic Optical Network, EON)通过频隙的弹性频谱资源来处理异构流量，利用相干光学正交频分复用，可提供超过100 Gbit/s的高数据速率[4]。

由于网络环境的时变性，需要利用特殊的流量负载控制方法来实现更好的频谱资源效率。文献[5]提出了离线距离自适应频谱资源分配方案，根据源到目的地节点的距离来确定调制深度，为每条路径选择每符号最大比特数和最小符号率，节约了频谱带宽；文献[6]提出了一种基于负载均衡的优先共享通路保护方法，以实现备份频谱资源共享的最大化；文献[7]提出了能有效预计算最短路径树的组播路由和频谱分配算法，在组播路由前，会在网络中预先放置适当的组播能力节点；此外，还有一些研究者将自适应调制表示为整数线性规划问题[8-9]。

大部分研究着眼于无线网络的访问和聚合层，以最小带宽提供了最优的体验质量[10]。而本文研究了骨干网络的EON上的视频流问题，提出了一种基于深度神经网络(Deep Neural Network, DNN)的自适应调制分配方法。现有DNN方法主要考虑如何最大化频谱效率，而本文所提调制方法的创新点是充分考虑了期望用户体验质量(Quality of Experience, QoE)，并最大化频谱效率，具有较大的用户导向性。仿真结果表明，本文所提方法能够节约频谱带宽，并降低了EON中的阻塞概率(Blocking Probability, BP)。……