Design and Performance Analysis of MEC-Aided LoRa Networks With Power Control
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
In this paper, we propose a single-cell mobile edge computing (MEC) assisted long-range (LoRa) network with power control, which includes a gateway, a MEC server, and many randomly distributed end-devices (EDs). In the proposed system, task packet messages can be computed locally through EDs and offloaded to the MEC server for edge computation; both computations are performed in parallel. Following the stochastic geometry theory, we adopt the homogeneous Poisson point process (PPP) to capture the randomness of the EDs' position and model the interference devices as PPP under the pure ALOHA. In this model, we consider both the interference caused by the same spreading factors (co-SF) and that caused by different spreading factors (inter-SF) during task offloading. Furthermore, we derive precise and approximated expressions of the computation offloading success probabilities for the proposed network, which are then verified by simulations. This is followed by the analysis of the impact of the power control on the network performance of the proposed network. The results reveal that power control can considerably improve the performance in the low-density EDs scenario, as well as slightly improve in the high-density EDs scenario. Finally, we investigate the performance of the proposed network by comparing three SF allocation schemes-namely, exponential windowing (EW), equal-interval-based (EIB), and equal-area-based (EAB) schemes. The results reveal that we can improve the performance by assigning a lower SF for a large number of EDs.
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 | 0,001 | 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 découle