دسته بندی | مقالات ترجمه شده isi |
بازدید ها | 24 |
فرمت فایل | doc |
حجم فایل | 1556 کیلو بایت |
تعداد صفحات فایل | 33 |
مکان یابی بهینه گره در شبکه های مسیریابی فرصت طلب بی سیم
چکیده-در سال های اخیر، توجه روز افزونی به مسیریابی فرصت طلب به عنوان روشی برای افزایش ظرفیت شبکه های بی سیم با بکارگیری طبیعت انتشاری آن پرداخته شده است. برخلاف مسیریابی تک مسیره قدیمی، در مسیریابی فرصت طلب گره هایی که ارسال های همسایه را می توانند استراق سمع بکنند می توانند کاندیدهای فرستنده بسته به سمت مقصد شوند. در این مقاله به این سوال خواهیم پرداخت: حداکثر کارایی که می توان با استفاده از مسیریابی فرصت طلب به دست آورد چقدر است؟ برای پاسخ به این سوال، از یک مدل تحلیلی استفاده می کنیم که اجازه می دهد تا موقعیت بهینه گره ها را محاسبه کنیم، به طوری که حرکت به سمت مقصد به حداکثر برسد. از این مدل برای محاسبه کران های مینیمم استفاده می شود که می تواند تعداد ارسال ها در یک شبکه را با استفاده از مسیریابی فرصت طلب به دست آورد.
کلیدواژگان: شبکه های بی سیم، مسیریابی فرصت طلب، عملکرد ماکزیمم، مدل تحلیلی.
Optimum node placement in wireless opportunistic routing networks
a b s t r a c t
In recent years there has been a growing interest in opportunistic routing as a way to increase the capacity of wireless networks by exploiting its broadcast nature. In contrast to traditional uni-path routing, in opportunistic routing the nodes overhearing neighbor’s transmissions can become candidates to forward the packets towards the destination. In this paper we address the question: What is the maximum performance that can be obtained using opportunistic routing? To answer this question we use an analytical model that allows to compute the optimal position of the nodes, such that the progress towards the destination is maximized. We use this model to compute bounds to the minimum expected number of transmissions that can be achieved in a network using opportunistic routing.
Keywords:
Wireless networks
Opportunistic routing
Maximum performance
Analytical model 2013 Elsevier B.V. All rights reserved.
1. Introduction
1. مقدمه
در نتیجه، تفاوت های قابل توجهی در احتمالات تحویل بسته می تواند در سراسر لینک یک شبکه MWN وجود داشته باشد. تفاوت دوم به ماهیت انتشار ارسال های بی سیم بر می گردد[3]. بر خلاف شبکه های سیمی، که در آن ها لینک ها به طور معمول نقطه به نقطه هستند، در شبکه بی سیم هنگامی که یک گره بسته ای ارسال می کند، همسایه های گره مقصد مورد نظر می توانند آن را استراق سمع کنند.
دسته بندی | برنامه نویسی |
بازدید ها | 26 |
فرمت فایل | zip |
حجم فایل | 1978 کیلو بایت |
تعداد صفحات فایل | 19 |
برنامه ریزی مشترک و برنامه نویسی شبکه های بی سیم
چکیده
در این مقاله، ما یک چارچوب جدید برای برنامه نویسی شبکه در شبکه های بی سیم ادهاک ایجاد کرده ایم. اول، ما یک توپولوژی شبکه های بی سیم ساده برای نشان دادن این موضوع در نظر گرفته ایم که چگونه برنامه نویسی شبکه می تواند اهداف توان عملیاتی و بهره وری انرژی را فراتر از راه حل های مسیریابی بهبود دهد. سپس، ما مشکل برنامه نویسی شبکه را به طور کلی در رابطه با کنترل دسترسی متوسط مبتنی بر برنامه ریزی (MAC) به شبکه های بی سیم گسترش داده ایم. برای این منظور، ما گره ها را به مجموعه ای گسسته از فرستنده ها و گیرنده ها جزء بندی کرده ایم که منجر به تحقق شبکه بدون تعارض[1] با حداقل هزینه (به عنوان مثال قدرت) شده است. ما به طور جداگانه تحقق شبکه مجزا را با استفاده از یک مکانیزم تقسیم زمان فعال کرده ایم. سپس، ما محتوای شبکه را از طریق برنامه نویسی شبکه مشخص کرده ایم و برنامه زمانی انتقال را برای بهینه سازی اندازه گیری های توان عملیاتی یا انرژی انجام داده ایم. بعد از آن، ما یک روش ایجاد کدهای شبکه خطی متغیر با زمان نشان داده ایم که خصوصیات شبکه های بی سیم را برآورده کرده است. همچنین، ما از طریق نتایج عددی، بهره وری عملیاتی و انرژی بالاتر برنامه نویسی شبکه نسبت به موارد معمول مسیریابی را بررسی کرده ایم.
Abstract—In this paper, we establish a new framework for network
coding in ad hoc wireless networks. First, we consider a simple
wireless network topology to illustrate how network coding
can improve throughput and energy efficiency objectives beyond
routing solutions. Then, we extend the network coding problem to
general wireless networks in conjunction with scheduling-based
medium access control (MAC). For that purpose, we partition the
nodes into disjoint sets of transmitters and receivers that result in
conflict-free network realizations with minimum cost (e.g. power)
assignments. We separately activate distinct network realizations
using a time division mechanism. Then, we specify the content of
network flows through network coding and derive transmission
schedules to optimize the throughput or energy measures. Next,
we present a method of constructing time-varying linear network
codes that satisfy the wireless network properties. Also, we verify
via numerical results the superior performance of network coding
over routing in terms of throughput and energy efficiency.