Towards Energy-Efficient Data Collection by Unmanned Aerial Vehicle Base Station With NOMA for Emergency Communications in 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
For emergency communications in an internet of thing (IoT) network, a large number of gateways are distributed to gather the data traffic. Considering the practical difficulty of deploying multiple territorial base stations (TBSs) in a wide range, unmanned aerial vehicle base station (UAV-BS) can fly to a specific point and hover above there to collect data traffic from gateways. In this paper, we aim to maximize the UAV-BS energy efficiency under the constraints of total serving delay, UAV-BS flying speed, and the maximum available transmitting power of gateways, etc. Firstly, we propose a distributed gateway cluster (GC) algorithm to group gateways into multiple GCs based on the distances among gateways. Next, the UAV-BS flies and hovers above each GC, where the gateways in the GC simultaneously transmit data to the UAV-BS by non-orthogonal multiple access (NOMA). By analyzing the NOMA feature, we propose theorems optimizing the UAV-BS hovering height to minimize the transmitting power of the gateway with the maximum transmitting power among the gateways in a GC. Based on the proposed theorems, we formulate the joint optimization problem to maximize the UAV-BS energy efficiency with only the variables of UAV-BS flying speed and the serving time for each GC. The optimization problem is effectively solved by the geometric programming (GP) method. Finally, we verify the effectiveness of the proposed algorithms by extensive simulation results.
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 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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