MétaCan
Menu
Retour à la cohorte
Enregistrement W2990012747 · doi:10.1109/tvt.2019.2956167

UAV-Assisted Cooperative Communications With Time-Sharing Information and Power Transfer

2019· article· en· W2990012747 sur OpenAlexaff
Sixing Yin, Yifei Zhao, Lihua Li, F. Richard Yu

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Harvesting in Wireless Networks
Établissements canadiensCarleton University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésRelayMaximum power transfer theoremComputer scienceWirelessThroughputTransmission (telecommunications)Convergence (economics)MaximizationOptimization problemMathematical optimizationInformation transferPower (physics)TrajectoryTransmitter power outputComputer networkAlgorithmChannel (broadcasting)TelecommunicationsMathematicsTransmitter

Résumé

récupéré en direct d'OpenAlex

In this paper, we focus on a UAV-assisted cooperative communication system based on simultaneous wireless information and power transfer (SWIPT), where the UAV serves as a relay and its transmission capability is partly powered by radio signal from the source via the time-sharing mechanism. We study the end-to-end cooperative throughput maximization problem by optimizing the UAV's decision profile, power profile and trajectory for both amplify-and-forward (AF) and decode-and-forward (DF) protocols. The problem is decomposed into three optimization subproblems for decision profile, power profile and trajectory, and solved through alternating optimization, by which each of the subproblems is solved with the other two fixed. A binarization algorithm is further proposed to make the decision profile feasible. We show that the proposed solution outperforms not only two SWIPT-based strategies, but also a similar solution from an existing work without consideration for SWIPT. In addition, results indicate that the proposed algorithm performs efficiently in both optimality and convergence.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,393
Score d'incertitude au seuil0,723

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,188
Écart entre enseignants0,182 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations72
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Vehicular TechnologyMême sujetEnergy Harvesting in Wireless NetworksTravaux en français237 207