Devices to Devices (Ds2Ds) Communication: Towards Energy Efficient IoT
Notice bibliographique
Résumé
Emerging device centric communication technologies such as device to device (D2D) communication, devices to device (Ds2D) communication and multi- homing (MH) D2D have been considered as essential part of future 5G networks as well as internet of things (IoT). The device centric communication offers enhanced cellular data rates, high spectral efficiency, reduced latency, improved fairness, better energy efficiency and extended coverage; however, the battery life of end devices is crucial to fully reap benefits of this technology. In this article we propose a new method for device centric communication in IoT system, where multiple source IoT devices can send data to multiple destination IoT devices using multiple interfaces. This method is called devices to devices (Ds2Ds) communication. A tree search algorithm is proposed to select the optimal source IoT devices, destination IoT devices and radio interfaces. The results of proposed Ds2Ds communication are benchmarked against Ds2D and MH- D2D. Extensive simulation has been carried out to compare energy efficiency per source device. The simulation results show the superiority of Ds2Ds over Ds2D in terms of energy efficiency, which, in turn implies better throughput. Ds2DS is superior to MH-D2D in terms of energy consumption per source device, a very good and promising requirement for green communication.
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 ».