MétaCan
Menu
Retour à la cohorte
Enregistrement W2005449844 · doi:10.1155/2014/254397

Adaptive Medium Access Control Protocol for Wireless Body Area Networks

2014· article· en· W2005449844 sur OpenAlexaff
Nadeem Javaid, Ashfaq Ahmad, Azizur Rahim, Zahoor Ali Khan, M. Ishfaq, U. Qasim

Notice bibliographique

RevueInternational Journal of Distributed Sensor Networks · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueWireless Body Area Networks
Établissements canadiensUniversity of AlbertaDalhousie University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComputer networkTime division multiple accessAccess controlChannel (broadcasting)Media access controlWirelessThroughputWireless networkTelecommunications

Résumé

récupéré en direct d'OpenAlex

Wireless Body Area Networks (WBANs) are widely used for applications such as modern health-care systems, where wireless sensors (nodes) monitor the parameter(s) of interest. Nodes are provided with limited battery power and battery power is dependent on radio activity. MAC protocols play a key role in controlling the radio activity. Therefore, we present Adaptive Medium Access Control (A-MAC) protocol for WBANs supported by linear programming models for the minimization of energy consumption and maximization of dataflow. Our proposed protocol is adaptive in terms of guard band assignment technique and sleep/wakeup mechanism. We focus on specific application to monitor human body with the help of nodes which continuously scan body for updated information. If the current value is within normal range, nodes do not try to access channel. However, if the current value rises or falls beyond the permissible range, nodes switch on their transceiver to access channel. Moreover, A-MAC uses TDMA approach to access channel and well-defined synchronization scheme to avoid collisions. Furthermore, we conduct a comprehensive analysis supported by MATLAB simulations to provide estimation of delay spread. Simulation results justify that the proposed protocol performs better in terms of network lifetime and throughput as compared to the counterpart protocols.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,004

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,273
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Distributed Sensor NetworksMême sujetWireless Body Area NetworksTravaux en français237 207