MétaCan
Menu
Retour à la cohorte
Enregistrement W2753098368 · doi:10.1109/tcomm.2017.2749398

Efficient Access Control for Broadband Power Line Communications in Home Area Networks

2017· article· en· W2753098368 sur OpenAlexafffund
Yinjia Huo, Gautham Prasad, Lutz Lampe, Victor C. M. Leung

Notice bibliographique

RevueIEEE Transactions on Communications · 2017
Typearticle
Langueen
DomaineEngineering
ThématiquePower Line Communications and Noise
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésPreambleComputer scienceComputer networkBroadbandPower-line communicationMedia access controlRandom accessAccess controlPower (physics)Transmission (telecommunications)Broadband networksTelecommunicationsChannel (broadcasting)Wireless

Résumé

récupéré en direct d'OpenAlex

In this paper, we address the problem of improving the medium access control (MAC) layer efficiency in indoor broadband power line communication networks. Several overheads in the MAC layer, like random back-offs and collision recovery, degrade the MAC efficiency. To reduce these overheads, we apply in-band full-duplexing (IBFD), which enables medium-aware transmission at all the network nodes. Specifically, we propose two new schemes called contention-free pre-sensing and mutual preamble detection to minimize the time spent during contentions and collisions. Considering the non-idealities of IBFD, we analytically show the feasibility of our solutions. We further design a comprehensive simulation model with multiple priority data frames and Poisson network traffic arrival to emulate a real in-home network traffic. We then present numerical results for both the classical saturated network model and the comprehensive traffic model, to show through OMNeT++ simulations that our presented solutions achieve over 95% of the optimum MAC efficiency that can only be attained in the idealized case of no contentions or collisions.

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 candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Science ouverte
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 enseignants0,983
Score d'incertitude au seuil1,000

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 technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0060,000
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 Opus0,052
Tête enseignante GPT0,317
Écart entre enseignants0,265 · 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.

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

Citations9
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on CommunicationsMême sujetPower Line Communications and NoiseTravaux en français237 207