FMAC: A Self-Adaptive MAC Protocol for Flocking of Flying <i>Ad Hoc</i> Network
Notice bibliographique
Résumé
Considering the high-density and high-dynamic feature of cooperative unmanned aerial vehicles (UAVs) swarm, also referred to as flocking of flying ad hoc networks (FANETs), reliable medium access control (MAC) protocol design for network connectivity maintaining and network information sharing is a challenging issue. In this article, we propose a self-adaptive carrier sense multiple access with collision avoidance (CSMA/CA)-based MAC protocol for flocking of FANET, namely, FMAC, to provide reliable broadcast information service under density-varying flocking scenarios. To represent the varying trend of UAV density during flocking, we define the collective neighboring potential (CNP) in the FMAC protocol. Specifically, at the beginning of each period, each UAV computes the current CNP based on available neighbors' motion states. Then, the value of CNP at the start of the next period regarding the same neighbors is predicted using UAV's kinetic equation. After that, each UAV can update the contention window (CW) size by comparing the current CNP and the predicted CNP, and CW will be decreased (increased) if the current CNP is larger (smaller) than the predicted one for enough period. The simulation results show that the proposed FMAC protocol can ensure high successful transmission probability under density-varying flocking scenarios and outperforms the typical MAC solutions.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».