MétaCan
Menu
Retour à la cohorte
Enregistrement W2113876301 · doi:10.1109/icc.2006.254801

Novel Scheduling Algorithms for Multimedia Service in OFDM Broadband Wireless Systems

2006· article· en· W2113876301 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revue2006 IEEE International Conference on Communications · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Network Optimization
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceLink adaptationWireless broadbandOrthogonal frequency-division multiplexingScheduling (production processes)AlgorithmWirelessSpectral efficiencyComputer networkWiMAXTime division multiple accessBroadband networksBroadbandWireless networkFadingChannel (broadcasting)Decoding methodsTelecommunicationsMathematical optimization

Résumé

récupéré en direct d'OpenAlex

Scheduling algorithms play a key role in overall system performance of broadband wireless systems (BWS) such as WLAN/WMAN. Maximal SNR (MaxSNR) and Round Robin (RR) are two conventional scheduling strategies which emphasize efficiency and fairness respectively. Proportional Fair (PF) algorithm provides tradeoff between efficiency and fairness and it has been well studied in TDMA and CDMA systems. In this paper, we apply the PF scheduling algorithm to IEEE 802.16a OFDM based BWS and call it OPF. In addition, we propose three algorithms for multimedia services: (1) Adaptive OPF (AOPF), (2) Multimedia AOPF (MAOPF) and (3) Normalized MAOPF (NMAOPF). Adaptive modulation and coding schemes are applied to combat the time varying nature of the wireless channels. System performances of all six algorithms are compared in terms of efficiency and fairness.. Joint PHY and MAC layer simulation results show that the proposed schemes provide better tradeoff between efficiency and fairness than conventional algorithms.

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 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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,904
Score d'incertitude au seuil0,938

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,069
Tête enseignante GPT0,313
Écart entre enseignants0,244 · 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