Throughput optimization in wireless multihop networks with Successive Interference Cancellation
Notice bibliographique
Résumé
Successive Interference Cancellation (SIC) is a potentially powerful technique for improving the performance of wireless multihop networks. This work presents a method to compute the maximum achievable throughput of such networks. We consider the case of a network that uses conflict-free scheduling and has multi-rate and multi-power capabilities. We also consider the case of different levels of SIC, i.e., we will denote by SIC-n a technique in which a receiver can possibly decode up to n signals at a time. We formulate a flexible framework to quantify the throughput improvement that can be obtained in a realistic size multihop network by using SIC-n for n = 2,3. The optimization framework is formulated as a joint routing, scheduling, and SIC problem under the physical layer interference model for any multihop network and common utility functions. This joint optimization problem is then numerically solved for max-min throughput for several cases of interest and insights are provided into the gains that can be provided with SIC-n in the case of mesh networks with multi-rate and multi-power capabilities. Specifically, we find that, not surprisingly, when enabling SIC at each node, very significant throughput gains at high transmission power can be obtained. We find that at low transmission power, gains in the range of 25-40% are possible with SIC-2 at each node and, when in addition the flow pattern is symmetrical, SIC-3 does not bring significant gains over SIC-2. Moreover, compared to mesh networks without SIC, where in the high power regime single-hop transmission to the gateway is optimal, with SIC at each node, this is not necessarily the case. We also show that performing SIC only at the gateway enables non-negligible gains in a multi-hop context. We believe that this study can be useful to network operators to quantify the gains that SIC can provide in a managed mesh network.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».