MétaCan
Menu
Retour à la cohorte
Enregistrement W4392492776

Green radio link adaptation and optimization techniques

2014· preprint· fr· W4392492776 sur OpenAlexaboutno aff
Marc-Antoine Bouzigues

Notice bibliographique

Revuetheses.fr (ABES) · 2014
Typepreprint
Languefr
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAdaptation (eye)Link (geometry)Computer scienceComputer networkPsychology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Depuis plusieurs années, les technologies de l’information et de la communication connaissent un développement spectaculaire. Le trafic d’information augmente exponentiellement alors que l’évolution de l’efficacité énergétique des réseaux, définie généralement comme le rapport entre l’énergie utile en sortie du système et l’énergie totale fournie au système, n’augmente que de manière linéaire. Pour soutenir la demande de trafic, il est alors nécessaire de multiplier les équipements réseaux ce qui augment la facture énergétique des opérateurs et les émissions de gaz carbonique. Devant l’urgence de la situation, de nombreux projets et consortiums ont été créés avec l’objectif de renforcer l’efficacité énergétique des réseaux. Par exemple, le consortium GreenTouch™ fondé en 2010 a pour objectif d’améliorer l’efficacité énergétique des réseaux d’un facteur 1000 d’ici 2015 et de réduire leur consommation énergétique de 90% d’ici 2020 (par rapport à 2010). Le projet METIS a pour objectif de définir les télécommunications de 2020 (5G) cherche des solutions efficaces minimisant les coûts, les ressources et la consommation énergétique. Le projet MiWEBA qui intègre les ondes millimétrique aux communications mobiles dans le but d’augmenter la capacité du réseau d’un facteur 1000 avec un coût raisonnable.Dans cette thèse, nous abordons deux solutions répondant aux challenges de la 5G et permettant de réduire les niveaux des puissances rayonnées par les systèmes de télécommunications : l’amélioration de la couche physique via les techniques de focalisation spatiale et l’adaptation de lien multi-technologies. L’objectif principal de la thèse est de réaliser des transmissions de données très haut débit à forte efficacité énergétique à l’aide d’une connectivité multi-technologies sans coutures y compris dans des réseaux comprenant une multitude de périphériques à faible complexité.L’organisation de la thèse est la suivante : tout d’abord, l’implémentation de techniques de focalisation spatiale, le Retournement Temporel (RT) et l’EGT (Equal Gain Transmission), dans un système utilisant les dernières évolutions du standard IEEE 802.11, notamment l’intégration d’une composante 60 GHz, est étudiée. Les performances de ces techniques sont analysées de manière à identifier les conditions optimales de leur utilisation et il est montré qu’avec un minimum de deux antennes de transmission, elles permettent d’améliorer les performances énergétiques des systèmes tout en ayant une faible complexité d’implémentation. Des modifications du standard permettant d’augmenter l’efficacité énergétique sont également proposées. Une analyse cross-layer est ensuite réalisée afin de définir protocoles d’estimation de canal tenant compte des spécificités du RT. De plus, les améliorations énergétiques liées à l’utilisation du RT sont confirmées en tenant compte des dégradations des performances de la couche de liaison. Enfin, une métrique d’occupation temporelle est définie et associée à des techniques d’adaptation de lien mono et multi-technologies existantes dans le but d’améliorer la sélection d‘interfaces de transmission pour augmenter l’efficacité énergétique sans affecter les performances des systèmes utilisant un accès aléatoire au canal de communication. L’utilisation de cette métrique permet, dans certaines configurations, d’augmenter d’un facteur sept l’efficacité énergétique d’un système utilisant le Wi-Fi et, dans le cas multi-technologies, de répartir le trafic sur les différentes interfaces de transmission afin d’éviter la saturation des canaux de communication.

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)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,414
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,019
Tête enseignante GPT0,235
Écart entre enseignants0,216 · 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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuetheses.fr (ABES)Même sujetAdvanced MIMO Systems OptimizationTravaux en français237 207