MétaCan
Menu
Retour à la cohorte
Enregistrement W2164284317 · doi:10.1109/twc.2010.02.090574

Adaptive channel allocation for enabling target SINR achievability in power-controlled wireless networks

2010· article· en· W2164284317 sur OpenAlexaff
Štěpán Kučera, Sonia Aı̈ssa, Susumu Yoshida

Notice bibliographique

RevueIEEE Transactions on Wireless Communications · 2010
Typearticle
Langueen
DomaineComputer Science
ThématiqueWireless Communication Networks Research
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésComputer sciencePower controlTransmitterChannel (broadcasting)Signal-to-interference-plus-noise ratioWirelessInterference (communication)Wireless networkPower (physics)Transmitter power outputTopology (electrical circuits)Computer networkMathematicsTelecommunicationsPhysicsCombinatorics

Résumé

récupéré en direct d'OpenAlex

This paper offers a new insight to the fundamental problem of efficient admission control in arbitrary power-controlled wireless networks with an unknown call arrival distribution. Active transmitter-receiver pairs are assumed to (i) communicate simultaneously over shared channels, (ii) define target signal-to-interference and noise ratios (SINRs) by nonlinear functions of channel interference, and (iii) use adaptive power control to maintain the actual SINR at the target level in response to interference variations. Unlike other studies, in this study, power control with limited dynamic range and both the discrete-time and the continuous-time dynamics is explicitly considered, as well as the effects of stochastic radio propagation phenomena. Without relying on a priori assumptions, we first define sufficient conditions for a channel allocation mechanism to ensure the SINR constraints in cooperation with the deployed power control mechanism. We use the concept of Lyapunov stability as a cross-layer optimization criterion. Subsequently, we focus on the widely assumed case of SINR targets being defined by linear functions of interference, and show that such targets can be achieved if hii> |Ai|¿ j¿i hij¿i, where hijis the channel gain between the transmitter of link j and the receiver of link i, and Ai is the slope of the linear definition of the target SINR. This knowledge allows us to propose a simple distributed algorithm for implementing an admission control mechanism that (i) uses interference and pilot signal measurements as its only decision-making input, and (ii) allows links to adaptively adjust the SINR targets within the system stability bounds. This mechanism is shown to outperform the carrier sensing approach (CSMA/CA) for admission control.

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)0,005
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,033
Tête enseignante GPT0,295
Écart entre enseignants0,262 · 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

Citations15
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Wireless CommunicationsMême sujetWireless Communication Networks ResearchTravaux en français237 207