MétaCan
Menu
Retour à la cohorte
Enregistrement W2143796240 · doi:10.1109/icc.2008.451

A Cluster Based On-demand Multi-Channel MAC Protocol for Wireless Multimedia Sensor Networks

2008· article· en· W2143796240 sur OpenAlexaff
Cheng Li, Pu Wang, Hongyang Chen, Mohsen Guizani

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueEnergy Efficient Wireless Sensor Networks
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComputer networkRetransmissionThroughputQuality of serviceScheduling (production processes)Wireless sensor networkNetwork packetReal-time computingWirelessEngineering

Résumé

récupéré en direct d'OpenAlex

A Wireless Multimedia Sensor Network (WMSN) is an emerging networking paradigm that allows retrieving video and audio streams, still images, and generic sensing data. Different from conventional wireless sensor networks, a WMSN requires higher network bandwidth and throughput to deliver multimedia contents effectively using energy-constrained devices. In this paper, we propose a clustered on-demand multi-channel MAC protocol (COM-MAQ) to support energy-efficient, high- throughput, and reliable data transmission in WMSNs. The operation of proposed protocol consists of three sessions: request session, scheduling session, and data transmission session. For COM-MAC to achieve high energy efficiency, first, a scheduled multi-channel medium access is used within each cluster so that cluster members can operate in a contention-free manner within both time and frequency domains to avoid collision, idle listening and overhearing. Second, to maximize the network throughput, a traffic-adaptive and QoS-aware scheduling algorithm is executed to dynamically allocate time slots and channels for sensor nodes based on the current data traffic information and QoS requirements. Finally, to enhance transmission reliability, a spectrum-aware ARQ is incorporated to better exploit the unused spectrum for a balance between the reliability and retransmission. Simulation results indicate that COM-MAC can achieve increased network throughput at the cost of a small control and energy overhead.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,035
Tête enseignante GPT0,276
Écart entre enseignants0,241 · 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

Citations35
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEnergy Efficient Wireless Sensor NetworksTravaux en français237 207