MétaCan
Menu
Retour à la cohorte
Enregistrement W3164403576 · doi:10.1155/2021/5528584

Green Communication for Next‐Generation Wireless Systems: Optimization Strategies, Challenges, Solutions, and Future Aspects

2021· article· en· W3164403576 sur OpenAlex

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.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueWireless Communications and Mobile Computing · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Harvesting in Wireless Networks
Établissements canadiensnon disponible
Organismes subventionnairesDeenbandhu Chhotu Ram University of Science and TechnologyTrent UniversityNottingham Trent University
Mots-clésComputer scienceWirelessTelecommunicationsDistributed computingComputer network

Résumé

récupéré en direct d'OpenAlex

Wireless sensor networks (WSNs) have emerged as a backbone technology for the wireless communication era. The demand for WSN is rapidly increasing due to their major role in various applications with a wider deployment and omnipresent nature. The WSN is rapidly integrated into a large number of applications such as industrial, security, monitoring, tracking, and applications in home automation. The widespread use in many different areas attracts research interest in WSNs. Therefore, researchers are taking initiatives in exploring innovation day by day particularly towards the Internet of Things (IoT). But, WSN is having lots of challenging issues that need to be addressed, and the inherent characteristics of WSN severely affect the performance. Energy constraints are one of the primary issues that require urgent attention from the research community. Optimal energy optimization strategies are needed to counter the issue of energy constraints. Although one of the most appropriate schemes for handling energy constraints issues is the appropriate energy harvesting technique, the optimal energy optimization strategies should be coupled together for effectively utilizing the harvested energy. In this high‐level systematic and taxonomical survey, we have organized the energy optimization strategies for EH‐WSNs into eleven factors, namely, radio optimization schemes, optimizing the energy harvesting process, data reduction schemes, schemes based on cross‐layer optimization, schemes based on cross‐layer optimization, sleep/wake‐up policies, schemes based on load balancing, schemes based on optimization of power requirement, optimization of communication mechanism, schemes based on optimization of battery operations, mobility‐based schemes, and finally energy balancing schemes. We have also prepared the summarized view of various protocols/algorithms with their remarkable details. This systematic and taxonomy survey also provides a progressive detailed overview and classification of various optimization challenges for the EH‐WSNs that require attention from the researcher followed by a survey of corresponding solutions for corresponding optimization issues. Further, this systematic and taxonomical survey also provides a deep analysis of various emerging energy harvesting technologies in the last twenty years of the era.

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 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 candidatesMéta-épidémiologie (sens strict)
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: aucune
Score de désaccord entre enseignants0,746
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,046
Tête enseignante GPT0,248
Écart entre enseignants0,202 · 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