MétaCan
Menu
Retour à la cohorte
Enregistrement W2099211592 · doi:10.1109/lcomm.2009.090999

Lock step: an algorithm to reduce wi-fi jitter

2009· article· en· W2099211592 sur OpenAlexaff
Hong Lin, David McDonald

Notice bibliographique

RevueIEEE Communications Letters · 2009
Typearticle
Langueen
DomaineComputer Science
ThématiqueWireless Networks and Protocols
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésComputer scienceJitterExponential backoffComputer networkLock (firearm)AlgorithmCollisionIdleTransmission (telecommunications)Key (lock)Network packetReal-time computingThroughputWirelessTelecommunicationsComputer security

Résumé

récupéré en direct d'OpenAlex

The exponential backoff algorithm used in IEEE 802.11 does not guarantee short term fairness between flows. We propose an algorithm based on IdleSense where each of N flows tries to transmit every W = 8 N slots; i.e. 8 slots per flow with 7 idle. Each flow adaptively adjusts its contention window W based on the observed proportion of empty slots. One key aspect of Lock Step is setting a deterministic backoff after a successful transmission so that, for persistent flows, eventually all users are in lock step and transmit every 8 N slots. Another key aspect is forcing a second collision between colliding users so all users can better estimate the proportion of idle slots per transmission thus allowing users to estimate N and hence the optimal backoff. This second collision can also be engineered to assist the ZigZag algorithm to decode the colliding packets. Even with transient flows Lock Step reduces jitter and can substantially increase the number of flows carrying Voice over IP traffic through a single access point.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,834
Score d'incertitude au seuil0,847

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 savante0,0000,001
Science ouverte0,0050,000
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 Opus0,039
Tête enseignante GPT0,320
Écart entre enseignants0,281 · 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'étudeSans objet
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

Citations2
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Communications LettersMême sujetWireless Networks and ProtocolsTravaux en français237 207