En este artículo, proponemos un protocolo de diseminación de datos para redes de sensores inalámbricos con ciclos de trabajo asincrónicos. En una red con ciclos de trabajo asincrónicos, cada nodo selecciona independientemente su tiempo de activación. En este entorno, la diseminación de datos se vuelve energéticamente costosa, ya que al transmitir un paquete no llega a todos los vecinos, sino solo a aquellos que están activos en ese momento. Un nodo puede reenviar su paquete a todos los vecinos transmitiendo continuamente el paquete durante todo el intervalo de activación, pero esto conlleva un alto consumo de energía y un alto retraso en la diseminación. La idea propuesta en este artículo es utilizar el reenvío oportunista, donde cada nodo reenvía el paquete a un vecino que se activa temprano y recibe el paquete. Cada nodo reenvía el paquete mientras haya un nodo vecino que aún no haya recibido el paquete. El principal beneficio de esta diseminación basada en el reenvío oportunista es que cada
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículos:
Diseño, depuración y desarrollo de un receptor de radio FPGA basado en el espacio, de un sistema informático tolerante a la radiación.
Artículos:
Utilizando Aprendizaje Profundo para Predecir Sistemas Complejos: Un Estudio de Caso en la Generación de Energía Eólica
Artículos:
mCSQAM: modelo de evaluación de la calidad del servicio en un entorno de servicios móviles en nube
Artículos:
Análisis del Modelo de Procesamiento de Señales de Resonancia Estocástica Lineal Asimétrica Basado en Algoritmos Genéticos
Artículos:
Diseño de Hardware Parametrizado en Computadoras Reconfigurables: Un Estudio de Caso de Procesamiento de Imágenes
Artículos:
Compuestos bioactivos de microalgas rojas con valor terapéutico y nutricional
Artículos:
Enfoque de aplicación ágil con Scrum, Lean y Kanban
Artículos:
Arquitectura de software orientada a la creación de micromundos para la enseñanza y el aprendizaje
Artículos:
Perspectivas sobre datos masivos y analítica de datos masivos