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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».