MétaCan
Menu
Retour à la cohorte
Enregistrement W4295308354 · doi:10.1109/tvt.2022.3205625

Towards Age-Optimal Transmission in Satellite-Integrated IoT: A Two-Layer Coding Approach

2022· article· en· W4295308354 sur OpenAlexaff
Dongqing Li, Shaohua Wu, Jian Jiao, Ning Zhang, Qinyu Zhang

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueAge of Information Optimization
Établissements canadiensUniversity of Windsor
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésRetransmissionComputer scienceHybrid automatic repeat requestNetwork packetPhysical layerPHYForward error correctionErasureError detection and correctionAutomatic repeat requestRedundancy (engineering)Erasure codeDecoding methodsBit error rateBinary erasure channelCoding (social sciences)FadingAlgorithmReal-time computingChannel (broadcasting)Computer networkChannel capacityWirelessTelecommunications linkTelecommunications

Résumé

récupéré en direct d'OpenAlex

To support the emergent freshness-critical applications in the satellite-integrated IoT, information must be transmitted timely and reliably. A significant limitation of the upcoming satellite-integrated IoT era is the non-trivial propagation latency because of long-distance communication. To realize timely information delivery, the hybrid automatic repeat request (HARQ) strategy with frequent feedback is not fit anymore, since the reliability of the HARQ strategy needs multiple retransmission of the obsolete packets, which inevitably result in information staleness in the satellite-integrated IoT. In this paper, we design a two-layer coding strategy that uses error-correction codes within each packet in the physical-layer (PHY) and erasure-correction codes across the packets in the packet-layer. Then, we formulate an AoI-optimal redundancy-allocation problem to find the redundancy compromise between error-correction codes and erasure-correction codes. By solving the redundancy-allocation problem for the designed two-layer coding strategy, we derive explicit expressions of the AoI-optimal two-layer coding rates. Inspired by this, we explore the optimal reliability of the physical channel. Numerical results and analysis prove that making the physical channel suitably unreliable is beneficial to the timeliness of the system. And the simulation results indicate that the combination of erasure-correction codes and relative lossy error-correction codes achieves AoI-improvement over the ultra-reliable PHY-only coding scheme. The simulation results also show that the choice of AoI-optimal coding rates depends heavily on the channel characteristics, such as the signal-to-noise ratio, fade duration and channel fading parameters.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,014
Tête enseignante GPT0,237
Écart entre enseignants0,223 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Vehicular TechnologyMême sujetAge of Information OptimizationTravaux en français237 207