Dimensioning the packet loss burstiness over wireless channels: a novel metric, its analysis and application
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The packet loss burstiness over wireless channels is commonly acknowledged as a key impacting factor on the performance of networking protocols.An accurate evaluation of the packet loss burstiness, which reveals the characteristics and performance of the wireless channels, is crucial to the design of wireless systems and the quality-of-service provisioning to end users.In this paper, a simple yet accurate analytical framework is developed to dimension the packet loss burstiness over generic wireless channels.In specific, we first propose a novel and effective metric to characterize the packet loss burstiness, which is shown to be more compact, effective, and accurate than the metrics proposed in existing literature for the same purpose.With this metric, we then develop an analytical framework and derive the closed-form solutions of the packet loss performance, including the packet loss rate and the loss-burst/loss-gap length distributions.Lastly, as an example to show how the derived results can be applied to the design of wireless systems, we apply the analytical results to devise an adaptive packetization scheme.The proposed packetization scheme adaptively adjusts the packet length of transmissions based on the prediction of the packet loss rate and loss-burst/loss-gap lengths of the wireless channel.Via extensive simulations, we show that with the proposed packetization scheme, the channel throughput can be enhanced by more than 10% than the traditional scheme.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle