MétaCan
Menu
Retour à la cohorte
Enregistrement W4280505271 · doi:10.1109/wcnc51071.2022.9771621

Session-specific Energy Consumption Minimization for UAV-enabled Sensor Data Collection

2022· article· en· W4280505271 sur OpenAlexaff
Fang Xu, Hong‐Chuan Yang

Notice bibliographique

Revue2022 IEEE Wireless Communications and Networking Conference (WCNC) · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Harvesting in Wireless Networks
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésComputer scienceEnergy consumptionData transmissionData collectionReal-time computingLatency (audio)Wireless sensor networkMinificationSession (web analytics)Channel (broadcasting)Transmission (telecommunications)Computer networkEngineeringTelecommunicationsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

With its low cost and high implementation flexibility, unmanned aerial vehicle (UAV) serves as an attractive solution for data collection from remote sensors. UAV can also power the transmission of resource-limited sensors through wireless energy transfer. In this article, we study the UAV energy consumption minimization during an individual sensor charging and data collection session. Specifically, considering the operation of the UAV at a particular sensor, we derive the closed-form expressions of optimal transmission parameters with/without latency constraint. We also analyze the probability of data collection failure due to poor channel condition. The validity of our theoretical analysis is verified by comparing with the results from exhaustive search. According to these results, optimal duration for sensor data transmission should be as short as possible for negligible circuit power, and latency constraint does not have significant impacts on minimum energy consumption for nonnegligible circuit power and channel gain.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,856
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,080
Tête enseignante GPT0,269
Écart entre enseignants0,189 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2022 IEEE Wireless Communications and Networking Conference (WCNC)Même sujetEnergy Harvesting in Wireless NetworksTravaux en français237 207