Value of Service Maximization in Integrated Localization and Communication System Through Joint Resource Allocation
Notice bibliographique
Résumé
The rapid proliferation of smart devices and Internet of Things (IoT) applications have brought significantly increased demands for concurrent sensing, localization and communication services. To achieve multiple functions concurrently, new unified wireless systems including integrated localization and communication (ILAC) and integrated sensing and communication (ISAC) are facing the fundamental challenge of integrative resource allocation among coexisting functions and services. In addressing this challenge, an ILAC system based on the efficient allocation of the common hardware and radio resource pool for localization and communication is proposed. A novel concept, termed Value of Service (VoS), is coined to maximize the unified performance of ILAC system for diverse service provisioning including localization accuracy and communication data rate. Furthermore, the bandwidth and temporal resource allocation problem is formulated for ILAC to maximize its VoS. Specifically, the problem is treated as a mixed-integer nonlinear problem solved by an iterative joint resource allocation (JRA) strategy. In each iteration, the resource allocation is decomposed into two steps. Firstly, the bandwidth resource is optimized with a Kelly mechanism-based continuous allocation method followed by discretization. Secondly, the temporal resource is assigned with the aid of an adaptive particle swarm optimization (PSO)-based approach. Simulation results demonstrate the significant superiority of our proposed VoS evaluation metric and JRA method in ILAC system under limited resources.
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 | 0,002 |
| 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 ».