MétaCan
Menu
Retour à la cohorte
Enregistrement W4392939609 · doi:10.1109/jiot.2024.3378177

Network Coding-Based Multipath Transmission for LEO Satellite Networks With Domain Cluster

2024· article· en· W4392939609 sur OpenAlexaff
Man Ouyang, Ran Zhang, Bingqing Wang, Jiang Liu, Tao Huang, Liang Liu, Jincheng Tong, Ning Xin, F. Richard Yu

Notice bibliographique

RevueIEEE Internet of Things Journal · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensCarleton University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésComputer scienceComputer networkRetransmissionLinear network codingDistributed computingNetwork packetMultiple description codingBackupCluster analysis

Résumé

récupéré en direct d'OpenAlex

In the large-scale dynamic Low Earth Orbit (LEO) satellite networks, the conventional TCP-based single-path transmission encounters challenges such as prolonged propagation delay, frequent connection failures, and suboptimal resource utilization. In this paper, we propose an Integrated Multi-Path Network Coding (IMPNC) transmission scheme. This scheme leverages multiple paths for end-to-end transmission to achieve bandwidth aggregation and redundant backup. The multi-path transmission is facilitated by Multi-Path Quick UDP Internet Connection (MPQUIC) protocol to adapt to the limited satellite bandwidth and caching resources. The proposed approach involves encoding packets at nodes along the paths, addressing the significant out-of-order problem arising from variable delays on different paths. Additionally, we present a Software Defined Networking (SDN)-based domain clustering architecture, which offers a more streamlined control approach, reducing overall complexity. Furthermore, we formulate the domain clustering problems as mixed-integer nonlinear programming and the coding-based routing problem as a Steiner tree problem. Evaluation results demonstrate that the proposed scheme effectively reduces the latency over 25.1%, enhances bandwidth utilization by 19.6%, and ensures reliable data transmission by reducing retransmission probability by 4.1%.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
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 Opus0,025
Tête enseignante GPT0,273
Écart entre enseignants0,248 · 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'étudeSimulation ou modélisation
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

Citations43
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Internet of Things JournalMême sujetCooperative Communication and Network CodingTravaux en français237 207