Joint User Association, Power Optimization and Trajectory Control in an Integrated Satellite-Aerial-Terrestrial Network
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Internet-of-Things (IoT) is being widely embraced with the number of connected devices growing rapidly. Moreover, IoT applications are emerging in diverse verticals such as connected cars, connected factories, and smart agriculture. For new business models, in order to meet key network performance indicators, connectivity must be flexible and agile. An integrated satellite-aerial-terrestrial network (I-SAT) has recently stimulated interest in providing wireless communication due to its high maneuverability, versatile deployment, and pervasive connectivity. The resource planning, task distribution, and action management of an I-SAT can be accomplished through effective acquisition, coordination, transmission, and aggregation of diverse information. This paper considers an I-SAT network, in which multiple unmanned aerial vehicles (UAVs) with aerial stations and a terrestrial base station (BS), in a cognitive setting, in the presence of satellite-receiver communication, are deployed to support smart vehicles on the ground. By taking into account different limitations and Quality of Service (QoS) constraints, the goal is to maximize the average throughput among users by jointly optimizing user association, BS/UAV transmission power, and UAV trajectory. The formulated problem is a non-convex optimization problem with a complicated expression that is hard to solve. To tackle this problem, an alternating iterative algorithm based on the block descent method is proposed. Precisely, the problem is subdivided into three subproblems, transmitter-vehicle association optimization, BS/UAV power allocation optimization, and UAV trajectory control. Then, in an iterative process, these subproblems are solved sequentially. The proposed solution uses a segment-by-segment technique, which breaks the complete UAV flight trajectory into smaller time segments to reduce computation time when the network service period is considerable. As a result, each time segment’s optimization can be solved more quickly. Furthermore, the paper presents the results of network simulations carried out to assess the efficiency of the proposed solution. The findings show that the presented scheme outperforms different benchmark schemes in terms of the average user throughput when observing multiple different scenarios.
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.
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 | 0,001 |
| 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 découle