MétaCan
Menu
Retour à la cohorte
Enregistrement W2105377890 · doi:10.1109/tvt.2007.905329

Fast Client-Based Connection Recovery for Soft WLAN-to-Cellular Vertical Handoff

2008· article· en· W2105377890 sur OpenAlexaff
Vahid Azhari, Mohammad AL-Smadi, T.D. Todd

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueIPv6, Mobility, Handover, Networks, Security
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésComputer networkHandoverComputer scienceCellular networkBase stationWirelessNetwork packetWireless networkDefault gatewaySoft handoverRoamingLocal area networkWi-FiTelecommunications

Résumé

récupéré en direct d'OpenAlex

Wireless local area network (WLAN)-to-cellular vertical handoff (VHO) involves time-consuming procedures that may significantly disrupt real-time communication. When a soft handoff is anchored by an enterprise private branch exchange (PBX)/gateway, handoff execution can take several seconds due to the time required to establish the cellular-to-PBX call leg. This situation is compounded by the fact that WLAN coverage may sometimes be lost far sooner than a VHO can be triggered and executed. In this paper, we propose and investigate the use of a VHO support node (VHSN) which is attached locally to the wired LAN hotspot infrastructure. When WLAN coverage is lost, the VHSN improves soft-handoff performance by quickly intercepting and redirecting the media flow through the local cellular base station using its cellular end-station attachment. This action can quickly recover the connection before the new cellular call leg is established. Unlike proxy forwarding, wireless multihop, and other infrastructure-modification schemes, the VHSN does not extend wireless coverage or perform infrastructure-based packet forwarding. Instead, the VHSN functions as both an (Ethernet) LAN and a cellular end station. Results will be presented which show the performance improvements that are possible using the proposed mechanism.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,629
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,010
Tête enseignante GPT0,207
Écart entre enseignants0,197 · 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.

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

Citations10
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Vehicular TechnologyMême sujetIPv6, Mobility, Handover, Networks, SecurityTravaux en français237 207