A low complexity distributed cluster based algorithm for spatial prediction
NAGIOS: RODERIC FUNCIONANDO

A low complexity distributed cluster based algorithm for spatial prediction

DSpace Repository

A low complexity distributed cluster based algorithm for spatial prediction

Show simple item record

dc.contributor.author Chowdappa, Vinay-Prasad
dc.contributor.author Botella Mascarell, Carmen
dc.contributor.author Santos Sáez, Sara
dc.contributor.author Samper Zapater, José Javier
dc.contributor.author Martínez Durá, Rafael Javier
dc.date.accessioned 2021-08-23T07:43:32Z
dc.date.available 2021-08-24T04:45:06Z
dc.date.issued 2017 es_ES
dc.identifier.uri https://hdl.handle.net/10550/80119
dc.description.abstract Los mapas del entorno radioeléctrico (REM) pueden ser una herramienta esencial para numerosas aplicaciones en las futuras redes inalámbricas 5G. En este trabajo, empleamos un popular método geoestadístico llamado kriging ordinario para estimar el REM de un área cubierta por un eNodeB equipado con múltiples antenas. Los sensores inalámbricos se distribuyen por el área de interés y se organizan clústeres adaptativos de sensores para mejorar la calidad de la estimación del canal. En este trabajo, modificamos el algoritmo de clustering distribuido propuesto en un trabajo anterior para reducir la complejidad de la predicción de kriging. Se realizan simulaciones para detallar la técnica de formación de clústeres y analizar el rendimiento en comparación con los métodos de interpolación centralizados y clásicos. La complejidad computacional se verifica en términos del número de intercambios de mensajes entre los nodos sensores. Los resultados de la simulación demuestran que los clústeres están formados por una media de 5 nodos sensores. es_ES
dc.description.sponsorship GRISOLIA/2012/028 es_ES
dc.description.sponsorship RACHEL TEC2013-47141-C4-4-R es_ES
dc.language.iso en es_ES
dc.source V. Chowdappa, C. Botella, S. Santos Sáez, J. J. Samper and R. J. Martínez, "A low complexity distributed cluster based algorithm for spatial prediction," 2017 13th International Wireless Communications and Mobile Computing Conference (IWCMC), 2017, pp. 2158-2162 es_ES
dc.subject radio environment maps es_ES
dc.subject distributed channel prediction es_ES
dc.subject Kriging es_ES
dc.subject wireless sensor networks es_ES
dc.title A low complexity distributed cluster based algorithm for spatial prediction es_ES
dc.type info:eu-repo/semantics/article es_ES
dc.subject.unesco UNESCO::CIENCIAS TECNOLÓGICAS es_ES
dc.identifier.doi https://doi.org/10.1109/IWCMC.2017.7986617 es_ES
dc.description.abstractenglish Radio Environment Maps (REM) can be an essential tool for numerous applications in future 5G wireless networks. In this paper, we employ a popular geo-statistical method called ordinary kriging to estimate the REM of an area covered by an eNodeB equipped with multiple antennas. Wireless sensors are distributed over the area of interest and adaptive clusters of sensors are arranged in order to improve the quality of the estimation. In this paper, we modify the distributed clustering algorithm proposed in a previous work to reduce the complexity of kriging prediction. Simulations are performed to detail the cluster formation technique and to analyze the performance in comparison with centralized and classical interpolation methods. The computational complexity is verified in terms of the number of message exchanges among the sensor nodes. Simulation results demonstrate that clusters are formed by an average of 5 sensor nodes. es_ES
dc.accrualMethod - es_ES
dc.embargo.terms 0 days es_ES

View       (512.5Kb)

This item appears in the following Collection(s)

Show simple item record

Search DSpace

Advanced Search

Browse

Statistics