QoS-Compliant 3-D Deployment Optimization Strategy for UAV Base Stations
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
Unmanned aerial vehicles (UAVs) are being integrated as an active element in 5G and beyond networks. Because of their flexibility and mobility, UAV base stations (UAV-BSs) can be deployed according to the ground user distributions and their quality-of-service (QoS) requirement. Although there has been quite some prior research on the UAV deployment, no work has studied this problem in a 3-D setting and taken into account the UAV-BS capacity limit and the QoS requirements of ground users. Therefore, in this article, we focus on the problem of deploying UAV-BSs to provide satisfactory wireless communication services, with the aim to maximize the total number of covered user equipment subject to user data-rate requirements and UAV-BSs' capacity limit. First, we model the relationship between the air-to-ground path loss (PL) and the location of UAV-BSs in both horizontal and vertical dimensions, which has not been considered in previous works. Unlike the conventional UAV deployment problem formulation, the 3-D deployment problem is decoupled into a 2-D horizontal placement and altitude determination connected by PL requirement and minimization. Then, we propose a novel genetic algorithm-based 2-D placement approach in which UAV-BSs are placed to have maximum coverage of the users with consideration of data rate distribution. Finally, numerical and simulation results show that the proposed approach has enabled a better coverage percentage comparing with other schemes.
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