Optimizing Age of Information in Polar-Coded Status Update System
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Age of information (AoI) defines the freshness of status update in real-time systems, such as the Industrial Internet of Things (IIoT), and can be affected by delays and transmission error probability. To improve the reliability of data transmissions, the recent AoI works on physical layer considered applying practical coding schemes. Since polar codes can be strictly proved to achieve the channel capacity, this article makes an effort to comprehensively investigate and optimize the AoI performance in a polar-coded status update system. First, we propose a practical code-based status update system that takes full consideration of encoding, transmission, propagation, decoding, and feedback delays in AoI analysis. Then, we analyze and derive the average AoI of the proposed system with various transmission protocols. The simulation results of a polar-coded system validate the theoretical analysis and show that hybrid automatic repeat request (HARQ) achieves better AoI performance than non-HARQ. To optimize AoI in polar-coded status update system, we further improve the designs for HARQ with chase combining (HARQ-CC) and HARQ with incremental redundancy (HARQ-IR), respectively. The design signal-to-noise ratio (SNR), puncturing length of HARQ-CC are optimized by traversal, while the code lengths for each transmission and maximum transmission times of HARQ-IR are optimized by the greedy algorithm. Simulation results show that the proposed HARQ can achieve better average AoI performance than traditional HARQ.
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.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,006 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle