Network Size Estimation for LoRa-Based Direct-to-Satellite 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
The emerging paradigm of Direct-to-Satellite Internet of Things (DtS-IoT) involves Earth surface nodes communicating directly with Low Earth Orbit (LEO) satellites, utilizing standard Low-Power Wide Area Networks (LPWAN) protocols. One of the core challenges faced in this paradigm is scaling the Medium Access Control (MAC) from a limited number of nodes to potentially thousands within the satellite’s coverage area. To address this issue, medium access control schemes can utilize a priori information on the number of nodes the satellite will cover along its orbit. However, developing technically viable solutions for network size estimation that are both precise and accurate remains an open research challenge. This work presents the implementation, parameter selection, and evaluation of the first LoRa/LoRaWAN-compatible network size estimation protocol that leverages the onboard Optimistic Collision Information (OCI) estimator. Our solution, LoRa-OCI (L-OCI), was integrated into FLoRaSat, a C++ discrete-event DtS-IoT simulator that integrates realistic orbital and LoRa/LoRaWAN communication models. Through an extensive simulation campaign, we can determine appropriate LoRa configurations to achieve low root mean square error (RMSE) and low power consumption. Additionally, our results indicate that the approach is relatively insensitive to LoRa parameters when assessing the aggregated throughput of a Slotted ALOHA Game (SAG) protocol throttled by L-OCI.
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 | 0,000 |
| 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 découle