MétaCan
Menu
Retour à la cohorte
Enregistrement W2110508548 · doi:10.1186/1687-1499-2012-155

Improving throughput and fairness by improved channel assignment using topology control based on power control for multi-radio multi-channel wireless mesh networks

2012· article· en· W2110508548 sur OpenAlexaff
Aizaz U. Chaudhry, Nazia Ahmad, Roshdy H. M. Hafez

Notice bibliographique

RevueEURASIP Journal on Wireless Communications and Networking · 2012
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Ad Hoc Networks
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComputer networkWireless mesh networkThroughputNetwork topologyChannel (broadcasting)Interference (communication)Topology controlPower controlChannel allocation schemesDefault gatewayWireless networkTopology (electrical circuits)Network performanceDistributed computingWirelessPower (physics)TelecommunicationsKey distribution in wireless sensor networks

Résumé

récupéré en direct d'OpenAlex

Multi-radio multi-channel (MRMC) wireless mesh networks (WMNs) achieve higher throughput using multiple simultaneous transmissions and receptions. However, due to limited number of non-overlapping channels, such networks suffer from co-channel interference, which degrades their performance. To mitigate co-channel interference, effective channel assignment algorithms (CAAs) are desired. In this article, we propose a novel CAA, Topology-controlled Interference-aware Channel-assignment Algorithm ( TICA ), for MRMC WMNs. This algorithm uses topology control based on power control to assign channels to multi-radio mesh routers such that co-channel interference is minimized, network throughput is maximized, and network connectivity is guaranteed. We further propose to use two-way interference-range edge coloring, and call the improved algorithm Enhanced TICA ( e-TICA ), which improves the fairness among flows in the network. However, the presence of relatively long links in some topologies leads to conflicting channel assignments due to their high interference range. To address this issue, we propose to utilize minimum spanning tree rooted at the gateway to reduce conflicting channels, and in turn, improve medium access fairness among the mesh nodes. We call the improved algorithm e-TICA version 2 ( e-TICA2 ). We evaluate the performance of the proposed CAAs using simulations in NS2. We show that TICA significantly outperforms the Common Channel Assignment scheme in terms of network throughput, and e-TICA and e-TICA2 achieve better fairness among traffic flows as compared to TICA. It is also shown that e-TICA2 leads to improved network throughput, as compared to TICA and e-TICA.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
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 savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 GPT0,285
Écart entre enseignants0,246 · 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 source (Gemma direct ou Codex distillé), 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
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

Citations38
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEURASIP Journal on Wireless Communications and NetworkingMême sujetMobile Ad Hoc NetworksTravaux en français237 207