Hybrid Localization for UAV-based Charging of Wireless Sensor Networks
Notice bibliographique
Résumé
In Wireless Sensor Networks (WSNs) localization -the assigning of sufficiently accurate positions to nodes -is frequently required to meaningfully identify the data collected.In Wireless Rechargeable Sensor Networks (WRSNs) -in which nodes are recharged by some external energy source -high accuracy (e.g.smaller than the mean internode distance) is often required to enable charging in a reasonably efficient manner with practical charger power.Localization in Wireless Sensor Networks (WSNs) has attracted research among various strategies, some using Received Signal Strength Indication (RSSI) at nodes.Nodes with known position, called anchors, may be fixed or mobile.Position may be computed by global optimization, or locally between anchors and nodes.For Wireless Rechargeable Sensor Networks (WRSNs), a charger may act as a mobile anchor enabling high-accuracy localization for efficient RF charging.This study describes a hybrid scheme for localization and charging of WRSNs using an Unmanned Aerial Vehicle (UAV) carrying a node and an RF charger.It works reliably under log-normal fading of RSSI due to shadowing.RSSI localization brings the UAV close enough to the node to elicit a response from the RF charger.The time to charge the node by a given amount is inversely proportional to the power received and thus serves as an indication of proximity of the charger.This metric (ToC) is then used to position the UAV accurately above the node, to allow for charging with maximum efficiency.v 3.7 ToC Refinement .......
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 | 0,000 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».