Bounds on Expected Cognition Completion Time in RFID Networks Employing Static Naive MAC Scheme

CheonWon Choi

doi:10.7840/kics.2025.50.1.31

추천

검색

질문

자료유형: 학술저널

저자정보: CheonWon Choi (Dankook University)

저널정보: 한국통신학회 한국통신학회논문지 한국통신학회논문지 제50권 제1호

발행연도: 2025.1

수록면: 31 - 47 (17page)

DOI: 10.7840/kics.2025.50.1.31

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Consider an RFID network that consists of single reader and multiple tags residing in the vicinity of the reader. In the RFID network, a collision can occur among the packets which are almost simultaneously sent by two or more tags. For numerous tags to be able to successfully deliver their packets to the reader while arbitrating the collision among some packets, suppose that the RFID network employs a static naive MAC scheme rooted in framed slotted ALOHA. Without prior information about nearby tags, a single-reader multiple-tag RFID is often deployed to cognize neighboring tags, i.e., to gather the identification numbers of the tags attached on various items. Definitely, it is of necessity to cognize all the tags in a limited time. Thus, it is of utmost importance to investigate the cognition completion time, i.e., the time elapsed until the reader cognizes all the tags. In this paper, we first construct a Markov chain to represent the cognition completion time as a hitting time of the Markov chain. As an alternative to the exact value of the expected cognition completion time, which is hardly obtainable in a tractable form, we then develop a lower bound by building a fast-converging Markov chain with first-order stochastically dominating random variables and attain an upper bound by constructing slow-converging Markov chains with first-order stochastically dominated random variables. Numerical examples reveal that the exact value of the expected cognition completion time is tightly bounded above by the upper bound in case a relatively small number of slots comprise each response interval. Further, the examples corroborate that the lower and upper bounds exhibit a parametric characteristic of convexity as similarly as the exact value of the expected cognition completion time does.

#RFID network #Static naive MAC #Framed slotted ALOHA #Cognition completion time #First-order stochastic dominance #Fast-converging Markov chain

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

UCI(KEPA) : I410-151-25-02-092095263

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

최근 본 자료

댓글(0)