Notice bibliographique
Résumé
The indoor inventory system is gaining more research attention and commercial value with the development of IoT. In this thesis, we presented the design of a MAC protocol that allows synchronized transmission of location and sensing data in a wireless positioning and sensor network for an indoor inventory system. The network supports real-life industrial applications and provides a highly specific positioning method. In the network, mobile sensing tags are connected to smart readers that performs localization of tags and gathers sensing data from the tags. The readers are connected to the back-end cloud. The proposed MAC serves multiple classes of mobile tags with different priorities and latency requirements. These tags transmit critical, position and sensing data with different QoS requirements. The proposed MAC is a hybrid MAC that offers contention-based period for tag discovery and scheduled period for the transmission of sensing data with guaranteed latency. We conducted simulation to evaluate the performance of different methods of discovery process and their impact on latency assurance. We also developed a queuing model to analyze the relationship between parameters, acquiring parameters through experiment, and calculation of boundary values. Simulation using MatLabTM software suggests that the joining period in design can increase the transmission success rate of high priority messages at the cost of a slight increment in the delay of low priority messages. Preliminary analysis suggests that by adaptively allocating the channel resources of the network to three types of tags, service efficiency can be improved. This result also guides the direction for further improvement. We explored the performance of two options considered currently, which is selecting the discovery process according to modulo result of unique 16-bit tag ID and random select of an available discovery process. In the current environment where each tag does not have any information about other tags inside the network, the two methods have the same effect on avoiding collisions that could happen in a single discovery cycle. The proposed MAC layer protocol can provide the best service when the available discovery process in the discovery cycle is for initialization and resetting. For an emergency, the joining period designs can still ensure a success rate for critical messages to be over 90%. Hence, the simulation results indicate the joining period method is able to improve MAC-layer performance.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».