MétaCan
Menu
Retour à la cohorte
Enregistrement W2547126918 · doi:10.1109/icspc.2007.4728593

Multi-Layer Optimization for Voice Coding over Ad Hoc Networks

2007· article· en· W2547126918 sur OpenAlexaff
M.D. Kwong, Soumaya Cherkaoui, Rémi Lefebvre

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Data Compression Techniques
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésComputer scienceMultiple description codingComputer networkLinear network codingNetwork layerNetwork packetApplication layerMobile ad hoc networkPacket lossWireless ad hoc networkRobustness (evolution)Speech codingWireless networkCodecRouting protocolDistributed computingLayer (electronics)WirelessSpeech recognitionTelecommunications

Résumé

récupéré en direct d'OpenAlex

In this paper, we explore the capabilities of a multi-layer collaboration to enhance real-time voice transmission over perturbed wireless ad hoc networks when multiple paths can be considered. To take advantage of the path diversity provided by the MSBR multi-path routing protocol, Multiple Description Coding separates the bitstream of a speech coder in two or more complementary descriptions, each sent on different paths. We propose a cross-layer design which allows the network and application layers to co-adjust their behaviour in order to gain in robustness against packet losses. We examine the voice transmission in a network where the speech codec and the network layer dynamically collaborate versus a classical approach in which each layer operates independently. Simulation results under different network conditions show that the collaboration between the network and application layers allows the receiver to maintain superior speech quality in packet loss conditions.

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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,758
Score d'incertitude au seuil0,410

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,037
Tête enseignante GPT0,331
Écart entre enseignants0,294 · 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

Citations1
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Data Compression TechniquesTravaux en français237 207