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:
MielColmena: Una Arquitectura de Hardware Reconfigurable Adaptativa en Línea Impulsada por Aplicaciones
Artículos:
Estado de la Aplicación y Perspectivas de la Tecnología 5G en los Sistemas de Automatización de Distribución
Artículos:
Control de formación variable en el tiempo intermitente para agentes en red de alto orden sujetos a comunicaciones discontinuas.
Artículos:
Ecualización multiusuario iterativa para arquitectura MIMO masiva de ondas milimétricas híbrida subconectada
Artículos:
Gestión de la producción de agricultores profesionales bajo la nueva construcción rural basada en la tecnología de Big Data.
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