Radio-frequency-based Wireless Energy Transfer in LTE-A heterogenous networks
Notice bibliographique
Résumé
Wireless Energy Transfer (WET) promises charging wireless sensor networks, cell phones and on-body medical devices without the need of battery replacement nor plugging in to the mains. Magnetic induction and electromagnetic radiation are two alternative technologies for WET. Magnetic induction based WET is a mature technology while electromagnetic radiation based WET has been recently studied for WSNs or RFID tags in many studies. On the other hand, powering cell phones, PDAs or other User Equipment (UE) from ambient electromagnetic signals has unique challenges and is an emerging field of study. In this paper, we consider Radio Frequency WET (RF-WET) for prolonging UE lifetime in a Heterogeneous wireless network (HetNet). In a HetNet, coverage and capacity of the macro cell is augmented by small cells such as picocells, femtocells or Wi-Fi hotspots. In this paper, we assume small cell base stations and dedicated Energy Transmission Towers (ETTs) work together towards supplying power to the UEs. Power is supplied in the same frequency band with the communications in a time-sharing manner. We propose an ILP model where a mix of Picocell Base Stations (PBSs) and ETTs are placed such that the harvested energy is maximized while the number of ETTs and the number of actively power transmitting PBSs are minimized. We show that extended range of PBSs aid in increasing the amount of energy harvested by the UEs while as the number of serviced UEs increase the overall power harvesting capacity of the system improves.
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.
Comment cette classification a été obtenuedéplier
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».