Towards Energy-Efficient Data Collection by Unmanned Aerial Vehicle Base Station With NOMA for Emergency Communications in IoT
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.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».