Uplink Transmission Policies for LoRa-Based Direct-to-Satellite IoT
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
Direct-to-Satellite IoT (DtS-IoT) is a promising approach to deliver data transfer services to IoT devices in remote areas where deploying terrestrial infrastructure is not appealing or feasible. In this context, low-Earth orbit (LEO) satellites can serve as passing-by IoT gateways to which devices can offload buffered data to. However, transmission distances and channel dynamics, combined with highly constrained devices on the ground makes of DtS-IoT a very challenging problem. Here, we present LoRa-based approaches to realize scalable and energy-efficient DtS-IoT. Our study includes the Long Range-Frequency Hopping Spread Spectrum (LR-FHSS) physical layer, currently on the roadmap of future space IoT projects. Specifically, we propose uplink transmission policies that exploit satellite trajectory information. These schemes are framed with a theoretical Mixed Integer Linear Programming (MILP) model providing an upper bound on performance as well as inspiration for scheduled DtS-IoT solutions. Simulation results provide compelling evidence that trajectory based policies can duplicate the amount of IoT nodes, while specific variants can further boost the scalability by 30% without incurring energy penalties. We also quantify that LR-FHSS can improve the deployment scalability by a factor of 75x at the expenses of 30% higher device’s power consumption compared to the legacy LoRa modulation.
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 | 0,000 |
| 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 découle