MétaCan
Menu
Retour à la cohorte
Enregistrement W2921839503 · doi:10.1088/1755-1315/234/1/012111

QoS-aware Opportunistic Routing with Directional Antennas in Cognitive Radio Sensor Networks

2019· article· en· W2921839503 sur OpenAlexaff
Lu Wang, Hang Shen, Guangwei Bai, Tianjing Wang, Lingli Li

Notice bibliographique

RevueIOP Conference Series Earth and Environmental Science · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueCognitive Radio Networks and Spectrum Sensing
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésBeamwidthComputer scienceComputer networkAntenna (radio)Cognitive radioQuality of serviceWirelessTelecommunications

Résumé

récupéré en direct d'OpenAlex

In this paper, a directional antenna based opportunistic routing (DAOR) scheme is proposed for cognitive radio sensor networks (CRSNs) with QoS assurances and energy efficient design. Specifically, based on the investigation and understanding about how directional antenna operation affects spectrum access and route selection, a joint optimization problem is formulated. After dividing angular domain into multiple antenna sectors with fixed beamwidth and direction, an approximate strategy is presented to determine the antenna sector and transmission channel. With obtained antenna and channel parameters, a heuristic algorithm is further designed to construct prioritized permutation of forwarding candidates, aimed at reducing computational complexity while approaching the optimal solution. Simulation results demonstrate that DAOR outperforms existing QoS routing schemes in terms of QoS provisioning and energy efficiency.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,429
Score d'incertitude au seuil0,764

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 technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,013
Tête enseignante GPT0,202
Écart entre enseignants0,189 · 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'étudeObservationnel
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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIOP Conference Series Earth and Environmental ScienceMême sujetCognitive Radio Networks and Spectrum SensingTravaux en français237 207