MétaCan
Menu
Retour à la cohorte
Enregistrement W2017147526 · doi:10.1109/wimob.2010.5644851

Network assisted auctioning for cognitive radios

2010· article· en· W2017147526 sur OpenAlexafffund
Long Jia, Changcheng Huang, James Yan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueCognitive Radio Networks and Spectrum Sensing
Établissements canadiensCarleton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCognitive radioComputer networkComputer scienceNode (physics)Flexibility (engineering)WirelessChannel (broadcasting)RevenueInterference (communication)White spacesCognitive networkWireless networkSpectrum managementTelecommunicationsBusinessEngineering

Résumé

récupéré en direct d'OpenAlex

In this paper, the use of a centralized server to assist cognitive radio users in accessing bands in licensed spectrums is proposed. Typical cognitive radios are opportunistic users of spectrum bands. Therefore, they must scan the spectrum to detect existing users in order to avoid interference. The use of a centralized server can remove the need for spectrum scanning if all users inform the server about their presence. The server will coordinate and distribute channels to cognitive radio users using auctioning mechanisms. Our approach removes the need for cognitive radio users to spectrum scan. Scanning can be costly in terms of time and power consumption. In addition, collisions between users due to hidden node problem can be removed. The use of a centralized server allows for higher layer solution that would allow users of different wireless technologies to communicate. Due to its flexibility of use across different wireless networks, SIP is adopted as the communication protocol between the central server and the primary and secondary users of the licensed spectrum. Using a SIP server to coordinate channel allocation through auctioning approach can generate revenue for the incumbent network. Results show that revenue can be generated while still meeting the goal of efficient spectrum utilization.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,907
Score d'incertitude au seuil0,457

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,017
Tête enseignante GPT0,253
Écart entre enseignants0,235 · 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
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

Citations0
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetCognitive Radio Networks and Spectrum SensingTravaux en français237 207