Ultragreen Relay Transmission With Wireless Power Transfer for Advanced IoT: Session-Specific Analysis and Optimization
Notice bibliographique
Résumé
Reliable and energy-efficient wireless transmission is of critical importance to the success of future advanced Internet of Things (IoT). Due to the sporadic nature of IoT transmissions, the energy consumption of the individual IoT transmission session varies dramatically with the instantaneous operating environment as well as the Quality of Service (QoS) requirements. In this article, we analyze and design the energy-efficient relay transmission systems from an individual data transmission session perspective. Specifically, we consider a dual-hop transmission system with a decode-and-forward relay that is solely powered by wireless power transfer from source node. For both time switching and power splitting modes of simultaneous power and information transmission, we analyze and minimize the total energy consumption of the system when transmitting a fixed amount of data, under a piecewise linear energy harvesting (EH) model. Closed-form expressions for optimal transmission parameters are obtained with and without the consideration of latency constraint. Through selected numerical results, we illustrate various design tradeoffs between energy consumption and latency constraint. We show that with optimal transmission parameters, relay transmission with energy transfer can achieve considerable energy saving compared to the direct transmission when the direct link quality is poor and the latency constraint is not stringent. We also show that with optimized parameters, power splitting mode leads to lower energy consumption and smaller transmission duration than time switching mode, at the cost of higher implementation complexity.
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 | 0,000 | 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 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 ».