ROBINA: Rotational Orbit-Based Inter-Node Adjustment for Acoustic Routing Path in the Internet of Underwater Things (IoUTs)
Notice bibliographique
Résumé
The Internet of Underwater Things (IoUTs) enables various underwater objects be connected to accommodate a wide range of applications, such as oil and mineral exportations, disaster detection, and tracing tracking systems. As about 71% of our earth is covered by water and one-fourth of the population lives around this, the IoUT expects to play a vital role. It is imperative to pursue reliable communication in this vast domain, as human beings’ future depends on water activities and resources. Therefore, there is a urgent need for underwater communication to be reliable, end-to-end secure, and collision/void node-free, especially when the routing path is established between sender and sonobuoys. The foremost issue discussed in this area is its routing path, which has high security and bandwidth without simultaneous multiple reflections. Short communication range is also a problem (because of an absence of inter-node adjustment); the acoustic signals have short ranges and maximum-scaling factors that cause a delay in communication. Therefore, we proposed Rotational Orbit-Based Inter Node Adjustment (ROBINA) with variant Path-Adjustment (PA-ROBINA) and Path Loss (PL-ROBINA) for IoUTs to achive reliable communication between the sender and sonobuoys. Additionally, the mathematical-based path loss model was discussed to cover the PL-ROBINA strategy. Extensive simulations were conducted with various realistic parameters and the results were compared with state-of-the-art routing protocols. Extensive simulations proved that the proposed routing scheme outperformed different realistic parameters; for example, packet transmission 45% increased with an average end-to-end delay of only 0.3% respectively. Furthermore, the transmission loss and path loss (measured in dB) were 25 and 46 dB, respectively, compared with other algorithms, for example, EBER2 54%, WDFAD-BDR 54%, AEDG 49%, ASEGD 55%, AVH-AHH-VBF 54.5%, and TANVEER 39%, respectively. In addition, the individual parameters with ROBINA and TANVEER were also compared, in which ROBINA achieved a 98% packet transmission ratio compared with TANVEER, which was only 82%.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».