A Distributed TDMA Scheduling Algorithm for Target Tracking in Ultrasonic Sensor Networks
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Ultrasonic sensors are able to provide highly accurate measurements if they are properly scheduled, otherwise, the intersensor interference (ISI) could greatly deteriorate the performance. In addition, the scheduling scheme should be performed in a distributed and energy-efficient way so that it can be conveniently implemented for a large-scale network. In this paper, for target tracking with multiple ultrasonic sensors, we convert the ISI avoidance problem to the problem of multiple access in a shared channel and adopt the time division multiple access strategy which has the properties of being collision free and energy efficient. Then, by graph theory, the scheduling problem is transformed into a coloring problem which aims at minimizing the number of used colors. Since the original problem has been proved to be NP-hard, we propose a distributed-saturation-degree-based algorithm (DSDA) which can be implemented locally by each node with information collected from its neighbors. Furthermore, we verify that an interference-free schedule is guaranteed to be obtained by DSDA. We derive analytical results for the complexity of this algorithm. Specifically, for different sensor network topologies, we prove that the expected converging time and the expected message transmissions per node are both upper bounded by <i xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">O</i> (δ), where δ is the maximum neighborhood size in the network. Extensive simulations demonstrate the effectiveness of our algorithm.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle