Mobility-Aware Congestion Control for Multipath QUIC in Integrated Terrestrial Satellite Networks
Notice bibliographique
Résumé
The Integrated Terrestrial and LEO Satellite Network (ITSN) has a high bandwidth-delay product (BDP) and high-speed movement, which makes congestion control difficult. We develop a <underline xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">M</u> obility- <underline xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">A</u> ware <underline xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">CO</u> ngestion control (MACO) algorithm for multipath QUIC (MPQUIC) in ITSN. MACO models the dynamic interactions between MPQUIC subflows and LEO networks, including handovers and outages triggered by satellite movement, and changes in network topology and link conditions. With the knowledge of network dynamics influenced by mobility, MACO can estimate changes in path BDP without solely relying on lengthy network probing. It employs a quick start (QS) and an effective congestion avoidance (CA) mechanism based on a multipath fluid model. The QS sets an appropriate initial cwnd to shorten the slow start duration. The CA applies a square root function to quickly increase the cwnd to the equilibrium and conservatively increase when approaching the BDP. We conduct a series of experiments to evaluate MACO using network simulator 3 (ns-3) based on collected data traces on Starlink. Simulation results demonstrate that MACO can achieve upto three times higher throughput and improve the convergence performance by 70.67% against benchmark algorithms.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| 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 ».