MétaCan
Menu
Retour à la cohorte
Enregistrement W4285243631 · doi:10.1109/tccn.2022.3173671

Toward the Coexistence of Cognitive Networks for Vehicular Communications on TVWS for IEEE Std. 802.22

2022· article· en· W4285243631 sur OpenAlexaff
Adriana Arteaga, Sandra Céspedes, César A. Azurdia-Meza

Notice bibliographique

RevueIEEE Transactions on Cognitive Communications and Networking · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueCognitive Radio Networks and Spectrum Sensing
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésWhite spacesComputer networkComputer scienceChannel (broadcasting)Channel allocation schemesInterference (communication)Cognitive radioWireless networkWirelessTelecommunications

Résumé

récupéré en direct d'OpenAlex

The IEEE 802.22 is a standard for wireless regional area networks to opportunistically operate in TV bands; however, sharing TV White Space (TVWS) spectrum creates a problem of coexistence because no mechanism is defined for coordinating channel usage among secondary networks. We propose a White Space Resource Sharing mechanism (WSRS) for fixed secondary and mobile IEEE 802.22 networks to improve network coexistence and spectrum efficiency. Based on power control and channel allocation, our mechanism allows the TVWS system to serve vehicular networks in scenarios where there are active secondary fixed networks and no more TVWS channels available for opportunistic usage. Unlike state-of-the-art mechanisms for coexistence in TVWS spectrum, our mechanism allocates resources to vehicles even when the density of fixed nodes and the transmission power of the fixed network cause high interference to the vehicular network. Our results show the offered channel capacity increases up to 50% using the proposed WSRS mechanism compared to the recent IEEE 802.22 standard that does not have a defined TVWS channel sharing mechanism. Furthermore, our WSRS mechanism implements a strategy to protect the fixed secondary network from interference caused by vehicular transmissions while promoting fair usage for both secondary networks.

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)0,001
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
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,985
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0040,001
Communication savante0,0000,000
Science ouverte0,0020,000
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 Opus0,078
Tête enseignante GPT0,304
Écart entre enseignants0,226 · 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
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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Cognitive Communications and NetworkingMême sujetCognitive Radio Networks and Spectrum SensingTravaux en français237 207