On Resource Allocation of Cooperative Multiple Access Strategy in Energy-Efficient Industrial Internet of Things
Notice bibliographique
Résumé
In this article, we investigate the jointly optimized resource allocation with hybrid multiple access in energy-efficient industrial Internet of Things (IIoT), where some devices (e.g., those for critical control devices) have higher transmission priority and stable energy supply while some devices (e.g., those for comprehensive sensors) may not. We consider a system model supporting wireless powered IIoT devices, with certain user terminal as a potential relay for the transmission between a hybrid access point and another user terminal. Constrained by the limited energy storage, the user needs to harvest energy before relaying and only the harvested energy is utilized for the following transmission. We propose a collaborative orthogonal and nonorthogonal multiple access protocol where two cooperation schemes with and without decoding the relay message are applied. Jointly considering time sharing in the transmission process, power splitting for simultaneous wireless information and power transfer, and transmit power allocation at the cooperative user, the achievable rate regions under the Rayleigh fading channel model are derived. Based on which, an optimization problem on resource allocation strategies is formulated and discussed. Both analytical and numerical results are provided, illustrating the impact of user geometry on the achievable rates as well as the optimal resource allocation with different cooperative strategies applied in different use cases. Aiming to enhance resource utilization, energy-efficient cooperation enables the combination of various transmission modes and networking classes in large scale networks, as well as a better use of ambient radio frequency signals for wireless powered transmissions.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».