MétaCan
Menu
Retour à la cohorte
Enregistrement W2123031829 · doi:10.1109/glocom.2007.960

Opportunistic Link Scheduling for Multihop Wireless Networks

2007· article· en· W2123031829 sur OpenAlexaff
Min Shen, Dongmei Zhao

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueWireless Networks and Protocols
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésComputer networkComputer scienceNetwork packetThroughputTimeoutChannel (broadcasting)Scheduling (production processes)Real-time computingWirelessEngineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

One of the reasons that cause low transmission throughput in IEEE 802.11-based multihop networks is packet losses. Compared to transmitting a new packet, retransmitting a packet in 802.11-based networks has a lower priority in accessing the channel and requires a longer channel idle time for backoffs. When the number of retransmissions exceeds a certain threshold, a packet is dropped at the link layer. For TCP traffic, this will eventually result in TCP timeout, and the lost packet will be retransmitted at the transport layer, causing end- to-end throughput degradation. Furthermore, the mechanism that TCP adjusts its congestion window size negatively affects the transmission throughput in 802.11-based multihop networks. In this paper we propose an opportunistic link scheduling (OLS) protocol, which schedules transmissions of the links based on their channel conditions, including both channel fading and co-channel interference. Links with good channel conditions are given a higher priority to access the channel and allowed to transmit a limited number of packets consecutively without repeatedly competing the channel. OLS also includes mechanisms to avoid buffer overflow and prevent starving links with poor channel conditions. Our results show that OLS can significantly improve the end-to-end transmission throughput, while keeping reasonably low transmission delay. The protocol is easy to implement, and requires minor changes to the 802.11 protocol.

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)0,001
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,970
Score d'incertitude au seuil0,597

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,034
Tête enseignante GPT0,298
Écart entre enseignants0,264 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWireless Networks and ProtocolsTravaux en français237 207