MétaCan
Menu
Retour à la cohorte
Enregistrement W3172786112 · doi:10.1016/j.cja.2021.04.025

Green UAV communications for 6G: A survey

2021· article· en· W3172786112 sur OpenAlexaff
Xu Jiang, Min Sheng, Nan Zhao, Chengwen Xing, Weidang Lu, Xianbin Wang

Notice bibliographique

RevueChinese Journal of Aeronautics · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueUAV Applications and Optimization
Établissements canadiensWestern University
Organismes subventionnairesDalian University of Technology
Mots-clésSoftware deploymentWirelessPower consumptionRange (aeronautics)Base stationEnergy consumptionTelecommunicationsComputer scienceEngineeringPower (physics)Real-time computingElectrical engineeringAerospace engineering

Résumé

récupéré en direct d'OpenAlex

Unmanned Aerial Vehicles (UAVs) have received a wide range of attention for military and commercial applications. Enhanced with communication capability, UAVs are considered to play important roles in the Sixth Generation (6G) networks due to their low cost and flexible deployment. 6G is supposed to be an all-coverage network to provide ubiquitous connections for space, air, ground and underwater. UAVs are able to provide air-borne wireless coverage flexibly, serving as aerial base stations for ground users, as relays to connect isolated nodes, or as mobile users in cellular networks. However, the onboard energy of small UAVs is extremely limited. Thus, UAVs can be only deployed to establish wireless links temporarily. Prolonging the lifetime and developing green UAV communication with low power consumption becomes a critical challenge. In this article, a comprehensive survey on green UAV communications for 6G is carried out. Specifically, the typical UAVs and their energy consumption models are introduced. Then, the typical trends of green UAV communications are provided. In addition, the typical applications of UAVs and their green designs are discussed. Finally, several promising techniques and open research issues are also pointed out.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,281
Écart entre enseignants0,253 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations198
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChinese Journal of AeronauticsMême sujetUAV Applications and OptimizationTravaux en français237 207