Effective Capacity of Internet of Underwater Things Networks Enabled By Multi-Aperture UOWC
Notice bibliographique
Résumé
Internet of Underwater Things (IoUT) is the underwater network of connected objects and systems that have a wide range of applications, ranging from undersea critical infrastructure monitoring and marine biodiversity observation to underwater surveillance. Underwater optical wireless communication (UOWC) systems, which are characterized by large bandwidth and high data rate, are a key enabler of IoUT networks. However, oceanic turbulence and pointing error (PE) are essential performance limiting factors for enabling UOWC in IoUT networks. In this paper, we investigate the quality-of-service (QoS) performance of multi-aperture UOWC-based IoUT networks while adopting the mixture exponential-generalized gamma (EGG) distribution to jointly model the oceanic turbulence fading and PE. To this end, we derive a closed-form expression of the effective capacity (EC) from evaluating the system’s maximum achievable data rate in the presence of EGG turbulence and PE subject to certain statistical delay constraints. Special cases of the EC for asymptotic high signal-to-noise ratio (SNR) regimes and loose statistical delay constraints are also analyzed. Through extensive simulations, we justify the validity of the derived EC expressions. Our numerical results also demonstrate that the multi-aperture technique improves EC in the EGC turbulence fading and PE channels, thereby supporting strict statistical delay constraints with a high data rate.
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 | 0,000 |
| 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 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 ».