Transmission Optimization and Resource Allocation for Wireless Powered Dense Vehicle Area Network With Energy Recycling
Notice bibliographique
Résumé
The wireless-powered communication paradigm brings self-sustainability to the on-vehicle sensors by harvesting the energy from radiated radio frequency (RF) signals. This paper proposes a novel transmission and resource allocation strategy for the scenario where multiple wireless powered vehicle area networks (VAN) co-existed with high density. The considered multi-VAN system consists of a remote master access point (MAP), multiple on-vehicle hybrid access points (HAPs) and sensors. Unlike previous works, we consider that the sensors can recycle the radiated radio frequency energy from all the HAPs when HAPs communicate with MAP, so the dedicated signals for energy harvesting (EH) are unnecessary. The proposed strategy can achieve simultaneous wireless information and power transfer (SWIPT) without complex receiver architecture requirements. The extra EH and interference caused by the dense distribution of VANs, which are rarely explored, are fully considered. To maximize the sum throughput of all the sensors while guaranteeing the transmission from HAPs to the MAP, we jointly optimize the time allocation, system energy consumption, power allocation, and receive beamforming. Due to the non-convexity of the formulated problem, we address the sub-problems separately through the Rayleigh quotient, Frobenius norm minimization and convex optimization. Then an efficient iterative algorithm to obtain sub-optimal solutions. The simulation results and discussions illustrate the proposed scheme's effectiveness and advantages.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».