MétaCan
Menu
Retour à la cohorte
Enregistrement W2009091399 · doi:10.1109/secon.2010.5508258

Throughput and Energy Efficiency in Wireless Ad Hoc Networks with Gaussian Channels

2010· article· en· W2009091399 sur OpenAlexaff
Hanan Shpungin, Zongpeng Li

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Ad Hoc Networks
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésWireless ad hoc networkComputer scienceThroughputComputer networkWireless networkGaussianBandwidth (computing)Power controlChannel (broadcasting)Topology (electrical circuits)WirelessChannel capacityDistributed computingPower (physics)MathematicsTelecommunicationsCombinatoricsPhysics

Résumé

récupéré en direct d'OpenAlex

This paper studies the problem of topology control in random wireless ad hoc networks through power assignment for n nodes uniformly distributed in a unit square. We require that the network is strongly connected and look to maximize the minimum throughput (or capacity) link in the case that all the nodes transmit simultaneously. According to the Gaussian channel model, the throughput of a wireless link (u, v) is B log(1 + S/N) bps, where B is the channel bandwidth and S/N is the channel bandwidth. We distinguish between two types of power assignments: homogeneous (all nodes have the same power level) and heterogeneous (nodes may have different power levels) cases. For the homogeneous case we give lower and upper bounds on the minimum capacity link. In the heterogeneous case we develop an energy efficient power assignment algorithm which achieves a minimum throughput of Ω(B log(1 + 1/√n log <sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">2</sup> n)) and also discuss how to implement this algorithm in a distributed fashion. Finally, we present some simulation results. To the best of our knowledge, these are the first provable bounds for capacity in wireless networks, when nodes are allowed to transmit simultaneously.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,979
Score d'incertitude au seuil0,629

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,204
Écart entre enseignants0,198 · 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 tête enseignante, 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
GenreEmpirique

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

En bref

Citations3
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMobile Ad Hoc NetworksTravaux en français237 207