The Probability Distribution of the Carrier-to-Interference Ratio (CIR) of a CSMA/CA Ad Hoc Wireless Network
Notice bibliographique
Résumé
This work is first in the open literature to characterize the probability distribution (not merely the mean and variance) of the carrier-to-interference ratio (CIR) of an ad hoc CSMA/CA wireless communication network, via Monte Carlo simulations. This paper is also first in the open literature to model an ad hoc network accounting for all following factors: (1) more realistically modeling of the network nodes' spatial distribution via a two-dimensional Poisson process whereby network nodes are randomly placed at arbitrary two-dimensional plane (instead of nodes locating deterministically at only regular grid points), (2) suppression of nodes within the carrier sensing range of a transmitting node to micmac the CSMA/CA medium access control (MAC) protocol (i.e. nodes self-restrain from transmission when neighboring a transmitting node), (3) microscopic Rayleigh fading, (4) propagation-distance-dependent path-loss and (5) more than one service class. Monte Carlo simulations of a CSMA/CA ad hoc network generate CIR data, whose probability distribution function and parameters are identified via least-squares curve-fitting. The inverse normal distribution is the most well-rounded distribution, in the sense of providing a good fit (if not the best fit) to all nine Monte-Carlo simulation scenarios. The Rayleigh is the best univariate pdf. It can fit all scenarios very well, except the case without micro-fading and low pathless. All pdf's can sufficiently fit the data when k=4 Nakagami is the best bivariate pdf with LMSE les1, except the case without micro-fading and low-pathloss (with distance-dependent power-loss exponent k=2). The bivariate Nakagami improves over the best univariate fit (namely, Rayleigh). The trivariate Fisk & quadravariate Burr can fit all scenarios with LMSE les 1. The quadravariate Burr often cuts the trivariate Fisks LMSE by half. The trivariate Fisk cuts the bivariate inverted-normals LMSE often by 2/3
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».