Design, Analysis, and Hardware Emulation of a Novel Energy Conservation Scheme for Sensor Enhanced FiWi Networks (ECO-SFiWi)
Notice bibliographique
Résumé
Fiber-wireless sensor networks (Fi-WSNs) composed of a hybrid fiber-wireless (FiWi) network enhanced with sensors will play a key role in supporting machine-to-machine (M2M) communications to enable a wide range of Internet of Things (IoT) applications, of which smart grids represent an important real-world example. This paper explores opportunities of designing an energy-efficient Fi-WSN based on EPON/10G-EPON, WLAN, wireless sensors, and passive fiber optic sensors as a shared communications infrastructure for broadband services and smart grids. A novel energy conservation scheme for sensor enhanced FiWi networks (ECO-SFiWi) is proposed to reduce the overall energy consumption. ECO-SFiWi maximizes energy efficiency by leveraging TDMA to schedule power-saving modes of EPON's optical network units, wireless stations, and wireless sensors and incorporate them into EPON's bandwidth allocation algorithm. To study the performance, a comprehensive energy saving model and a delay analysis of both FiWi traffic and sensor data based on M/G/1 queue modeling are presented. FPGA-based hardware emulation and demonstration are performed to verify the effectiveness of the proposed solution. Results provide deep insights into the tradeoff between energy savings and frame delays. Noticeably, ECO-SFiWi achieves significant amounts of energy saving, while maintaining low delay for FiWi traffic and sensor data under typical deployment scenarios.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».