Reliable and Energy-Efficient Communications via Collaborative Beamforming for UAV Networks
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
Unmanned aerial vehicles (UAVs) have been demonstrated to be a prominent component for wireless communications. In this work, we consider an emergency communication scenario wherein a UAV-based relay system collects data from ground users, and then uses different UAV-enabled virtual antenna arrays (UVAAs) to transmit the collected data to several remote base stations (BSs) via collaborative beamforming (CB). However, several adjacent aerial users (AUs) are carrying out other missions at the same time, which may be interfered by the signal transmitted by the UVAAs. Thus, we formulate a reliable and energy-efficient communication multi-objective optimization problem (RECMOP) to jointly maximize the minimum receiving signal-to-noise ratio (SNR) of the BSs, minimize the maximum average receiving SNR of the AUs, and minimize the propulsion power consumption of the UAVs, so that diminishing the energy cost while enhancing the system performance. The formulated RECMOP is intricate since it is proven to be NP-hard and non-convex. Therefore, an improved multi-objective gravitational search algorithm (IMOGSA) with several specific designs is proposed to handle the formulated problem. Simulation results manifest that the proposed IMOGSA can effectively solve the formulated RECMOP, and it outperforms other benchmarks in both smaller and larger scale UAV networks. Moreover, extended simulation demonstrates the robustness of the proposed CB-based approach under several unexpected circumstances.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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