An Application-Driven MAC-layer Buffer Management with Active Dropping for Real-time Video Streaming in 802.16 Networks
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.
Notice bibliographique
Résumé
In this paper, we propose an application-driven MAC-layer buffer management framework based on a novel active dropping (AD) mechanism for real-time video streaming in IEEE 802.16 Point-to-Multi-Point (PMP) networks. The basic idea of the proposed approach is that the MAC-layer protocol data units (MPDUs) of a video stream could be actively dropped at the Base Station (BS) if the corresponding frame is not with a sufficient confidence to be successfully delivered to the recipient within its application-layer delay bound. In contrast to the conventional cross-layer techniques that manipulate transmission and/or retransmission priorities for sending MPDUs of a single stream, the proposed AD mechanism can be more effectively bound the delay of each video frame and release precious transmission resources for the subsequent frames or the frames of the other competing streams. This is considered as an intelligent approach for minimizing delay propagation due to bad channels or any other possible reason. A comprehensive analytical model is formulated on deriving how confident a frame can be effectively delivered within its application-layer delay bound by jointly considering the effect of playback buffering. Extensive simulation is performed to demonstrate the effectiveness of the proposed scheme. We expect that the proposed application-driven MAC-layer buffer management can incorporate with the emerging cross-layer design paradigm for real-time video streaming in TDMA-based wireless broadband access networks such as IEEE 802.16.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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