Quasi-Optimization of Uplink Power for Enabling Green URLLC in Mobile UAV-Assisted IoT Networks: A Perturbation-Based Approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Efficient resource allocation can maximize power efficiency, which is an important performance metric in future fifth-generation (5G) communications. The minimization of sum uplink power in order to enable green communications while concurrently fulfilling the strict demands of ultrareliability for short packets is an essential and central challenge that needs to be addressed in the design of 5G and subsequent wireless communication systems. To address this challenge, this article analyzes the joint optimization of various unmanned aerial vehicle (UAV) systems parameters, including the UAV’s position, height, beamwidth, and the resource allocation for uplink communications between ground Internet-of-Things (IoT) devices and a UAV employing short ultrareliable and low-latency (URLLC) data packets. Toward achieving the aforesaid task, we proposed a perturbation-based iterative optimization to minimize the sum uplink power in order to determine the optimal position for the UAV, its height, beamwidth of its antenna, and the blocklength allocated for each IoT device. It is shown that the proposed algorithm has lower time complexity, yields better performance than other benchmark algorithms, and achieves similar performance to exhaustive search. Moreover, the results also demonstrate that Shannon’s formula is not an optimum choice for modeling sum power for short packets as it can significantly underestimate the sum power, where our calculations show that there is an average difference of 47.51% for the given parameters between our proposed approach and Shannon’s formula. Finally, our results confirm that the proposed algorithm allows ultrahigh reliability for all the users and converges rapidly.
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.
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 découle