Decentralized AP Selection in Large-Scale Wireless LANs Considering\n Multi-AP Interference
Notice bibliographique
Résumé
Densification of access points (APs) in wireless local area networks (WLANs)\nincreases the interference and the contention domains of each AP due to\nmultiple overlapped basic service sets (BSSs). Consequently, high interference\nfrom multiple co-channel BSS at the target AP impairs system performance. To\nimprove system performance in the presence of multi-BSSs interference, we\npropose a decentralized AP selection scheme that takes interference at the\ncandidate APs into account and selects AP that offers best\nsignal-interference-plus noise ratio (SINR). In the proposed algorithm, the AP\nselection process is distributed at the user stations (STAs) and is based on\nthe estimated SINR in the downlink. Estimating SINR in the downlink helps\ncapture the effect of interference from neighboring BSSs or APs. Based on a\nsimulated large-scale 802.11 network, the proposed scheme outperforms the\nstrongest signal first (SSF) AP selection scheme used in current 802.11\nstandards as well as the mean probe delay (MPD) AP selection algorithm in [3];\nit achieves 99% and 43% gains in aggregate throughput over SSF and MPD,\nrespectively. While increasing STA densification, the proposed scheme is shown\nto increase aggregate network performance.\n
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 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 ».