Distributed sensing of spectrum occupancy and interference in outdoor 2.4 GHz Wi-Fi networks
Notice bibliographique
Résumé
A spectrum monitoring campaign was launched in an outdoor urban radio environment to investigate the potential deployment of Cognitive Radio (CR) Wi-Fi networks in the 2.4 GHz ISM band. The campaign used a CR learning platform with 4, 8, and 16 sensors. This paper presents Wi-Fi spectrum occupancy and interference behaviour based on the outcome of one of the measurements using 16 GPS-synchronized sensors. At detection thresholds Td≥ -62dBm, long-term spectrum holes were dominant on all Wi-Fi channels. However, at Tdrdof management packets were beacons, and more than 1/2 of data packets were data-reserved and null (no data). We also noted, at Td≤ -82dBm, a large number of Wi-Fi users more than can be attributed to the immediate surroundings of sensors, but a small set of them was dominant producing the bulk of spectrum occupancy and interference. In addition, at least 25% of these users were detected only once over the 5.5 hours measurement time span. The measurements showed spatial variations of the Wi-Fi environment over a small sensing area (21m-by-45m). We noted considerable non-homogeneity in the distribution of Wi-Fi interference at Td≥ -62dBm, but some non-homogeneity at Td≤ -82dBm. We also noted significant correlated fluctuations of received signal strength and non-reciprocal links over short distances between sensors.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 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 ».