Interference measurements in an 802.11n Wireless Mesh Network testbed
Notice bibliographique
Résumé
Interference measurements in an infrastructure 802.11n Wireless Mesh Network (WMN) testbed are described. Each wireless router consists of a Linux processor with multiple dual-band 802.11a/b/g/n transceivers. The 5 GHz band can be used for backhauling, and the 2.4 GHz band can be used for end-user service. The backhaul links use sectorized 3×3 MIMO directional antenna, to support directional parallel transmission over orthogonal channels. A Linux-based device driver has been modified to adjust the physical layer parameters. Each 802.11n transceiver can be programmed to transmit over a 20 MHz spectrum without channel bonding, or a 40 MHz spectrum with channel bonding. The 802.11n standard supports up to three orthogonal channels, 1, 6, and 11. The routers can be programmed to implement any static mesh binary tree topology by assigning Orthogonal Frequency Division Multiplexing (OFDM) channels to network edges. The routers can be programmed to implement any general mesh communication topology by using a Time Division Multiple Access (TDMA) frame schedule, and assigning OFDM channels to network edges within each TDMA time-slot. Measurements of co-channel interference, the Signal to Interference and Noise (SINR) ratio and TCP/UDP throughput for the 802.11n network testbed are presented. It is shown that maximizing TCP/UDP throughput in 802.11n networks can be challenging, even with very high SINR (30–40 dB) links, MIMO directional antenna, and frame aggregation with block acknowledgements. In order to maximize bandwidth efficiency, the highest quality (and cost) MIMO directional antenna appear to be necessary, and it is unlikely that mobile users can use such antennas. Our interference measurements can be used to optimize the performance of large WMNs using 802.11n technology.
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 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».