A mobility‐aware cluster‐based MAC protocol for radio‐ frequency energy harvesting cognitive wireless sensor networks
Notice bibliographique
Résumé
Abstract Cognitive wireless sensor networks (CWSN) are severely energy constrained and radio frequency (RF) wireless energy harvesting (RFWEH) has been shown to improve the network lifetime. In many CWSN applications, node mobility imposes challenges owing to changing network topology. Therefore, the design of a new medium access control (MAC) protocol that can handle node mobility as well as energy harvesting is required. A cluster‐based multihop MAC protocol (RMAC‐M) is proposed that incorporates RF energy harvesting in a mobility‐aware CWSN. Our protocol selects cluster heads using an algorithm based on an R‐factor parameter consisting of residual node energy, residual node data and node speed, with appropriate weights. It then transmits data packages using a multitier super cluster head routing mechanism without the need for neighbour discovery. The multitier clustering and RFWEH mechanisms boost the energy performance of the network, increasing its lifetime. On the other hand, time slots allocated for RFWEH increase delay, thereby affecting system latency. Owing to its unique nature, the proposed algorithm has no comparable protocols in the literature. For the sake of completeness, RMAC‐M is compared with well‐known MAC protocols such as LEACH‐M and KoNMAC that do not have energy harvesting or mobility features. Simulation results show that the proposed protocol increases the lifetime of the CWSN nodes substantially, promising a self‐sustainable network in terms of energy. Furthermore, despite the allocation of time slots for energy harvesting, critical network parameters such as throughput, packet loss and average delay remain within target levels.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».