MétaCan
Menu
Retour à la cohorte
Enregistrement W2147631966 · doi:10.1109/tvt.2010.2052117

Optimization of Wireless Multicast Systems Employing Hybrid-ARQ with Chase Combining

2010· article· en· W2147631966 sur OpenAlexaff
Junsu Kim, Hu Jin, Dan Keun Sung, Robert Schober

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2010
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMulticastHybrid automatic repeat requestSource-specific multicastComputer scienceXcastComputer networkPragmatic General MulticastThroughputProtocol Independent MulticastAutomatic repeat requestIP multicastChannel (broadcasting)Distributed computingReliable multicastDistance Vector Multicast Routing ProtocolWirelessTelecommunications linkTelecommunications

Résumé

récupéré en direct d'OpenAlex

The throughput of conventional wireless multicast systems is limited by the multicast user with the lowest channel quality, which leads to a low throughput, particularly if the number of multicast users is large. In this paper, we show that hybrid-automatic repeat request with Chase combining (HARQ-CC) is a promising technique to overcome this problem and optimize the corresponding transmission rate. We analyze the throughput of wireless multicast systems with HARQ-CC under various channel conditions and derive a closed-form approximation for the optimal rate. The numerical evaluation of our analytical expressions reveals that HARQ-aided multicast outperforms conventional multicast in most channel environments. To further improve performance, we propose a dynamic rate-allocation scheme that combines the advantages of conventional multicast and HARQ-aided multicast.

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 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 enseignants0,802
Score d'incertitude au seuil0,582

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,016
Tête enseignante GPT0,244
Écart entre enseignants0,228 · 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
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

Citations27
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Vehicular TechnologyMême sujetCooperative Communication and Network CodingTravaux en français237 207