Adaptive channel-superframe allocation (ACSA) for 20 GHz wireless networks
Notice bibliographique
Résumé
Millimeter-wave (MMW) systems are high frequency wireless systems with a center frequency of around 60 GHz. This thesis deals with adaptive channel-superframe allocation (ACSA) for such system. An adaptive bandwidth or channel allocation algorithm is utilized in the piconet controller (PNC) and a new superframe structure is designed in order to distribute bandwidth among real-time (RT) and non-real-time (NRT) flows. We propose to serve RT and NRT flows separately in different channels instead of serving them in different times. We also propose to 'change the sliced superframe of IEEE 802.15.3 to an adaptive unsliced superframe in order to decrease the TCP round-trip time. We simulated a MMW system with appropriate parameters using 802.15.3 MAC as well as ACSA MAC. We meaSured three performance metrics (throughput, delay and fairness), which we aimed to improve in our superframe design. The simulation results show that the adaptive superframe structure . could provide' throughput improvements not only for NRT flows, but also for RT flows. The control algorithm in PNC could manage the bandwidth allocation in superframe and improve the throughput of RT flows. The channel access delay is improved by providing an unsliced superframe, which eliminated an imposed delay on TCP connections. Finally, the better distribution of bandwidth in ACSA MAC improves the fairness of the system. As a brief, the simulation results support the analysis of the proposed adaptive channelsuperframe allocation algorithm, which could generally improve the quality of service for MMW systems.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».