Optimization in wireless sensor and machine-type communication networks
Notice bibliographique
Résumé
Wireless sensor networks (WSNs) are systems used for detecting events and gathering information from an area of interest in many different application domains, from home and industry automation, to healthcare and transportation, to environmental monitoring. With regard to the communication task involved in WSNs, they can also be seen as an instance of the new paradigm, known as machine-type communication (MTC). Similar to traditional wireless sensors, MTC-enabled devices can communicate together without direct human interference. Energy efficiency for the sake of longevity is perhaps the most challenging requirement for many WSNs and MTC networks. In this thesis, we consider ultra-wideband (UWB) transmission technology for energy-efficient communication in WSNs. UWB achieves frugal use of energy by transmitting with low spectral efficiency when compared to legacy wireless technologies. This also allows it to operate license-exempt in many jurisdictions around the world. More recently, however, wireless service operators consider the use of cellular technology also for low data-rate applications originally only served by WSN-type technology. In particular, long-term evolution (LTE) technology has moved into the focus for joint personal-communication and MTC networks. Recent releases of the LTE standard and ongoing work items in LTE standardization specifically accommodate low-cost and low-power MTC. This thesis presents contributions that improve the performance of UWB WSN and LTE MTC networks in several aspects, namely lifetime, localization accuracy, and coverage. A common theme of these different contributions are the use of optimization methods for obtaining scalable, robust, and/or low-complexity solutions. We first address the lifetime maximization problem in a UWB-based WSN designed for multiple event detection. The key contribution is the joint optimization of transmission and routing parameters of sensor nodes so that the energy consumption is distributed as evenly as possible among the entire WSN. We then investigate the challenges of localization in WSNs and provide a convex solution which is robust to measurement uncertainties. In the last part of this thesis we focus on providing coverage for low-cost LTE MTC networks, where the challenge is to develop efficient transmission strategies that maximize the coverage of MTC devices in an LTE cell.
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 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».