MétaCan
Menu
Retour à la cohorte
Enregistrement W4412566886 · doi:10.1109/tits.2025.3588514

Effects of UAV Position Fluctuations on Air-to-Ground mmWave UAV Communications With Multiple Types of Blockages

2025· article· en· W4412566886 sur OpenAlexaff
Cunyan Ma, Xiaoya Li, Yangrui Dong, Xue Ma, Chen He, Z. Jane Wang

Notice bibliographique

RevueIEEE Transactions on Intelligent Transportation Systems · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueUAV Applications and Optimization
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesChina Postdoctoral Science FoundationNational Natural Science Foundation of China
Mots-clésPosition (finance)Computer scienceAerospace engineeringRemote sensingEnvironmental scienceEngineeringAeronauticsGeology

Résumé

récupéré en direct d'OpenAlex

Millimeter wave (mmWave)-based uncrewed aerial vehicle (UAV) communication is a promising candidate for future communications. However, hovering UAVs are susceptible to inevitable position fluctuations, while mmWave are highly sensitive to obstacles. Both factors contribute to variations in the system’s quality of service (QoS). Existing studies addressing either mmWave blockages or UAV fluctuations fail to capture their combined effects on QoS. This paper presents a tractable analytical model that establishes a theoretical relationship between UAV fluctuations and mmWave blockages (static, dynamic, and self-blockages). Closed-form expressions for reliable service probability and coverage probability are derived, providing insights into the impact of these combined factors on QoS. Monte Carlo simulations validate the theoretical analysis, showing that small fluctuations (e.g., less than 0.1 m in the studied scenario) have minimal impact on QoS, while larger fluctuations significantly degrade QoS, with various blockages further exacerbating this degradation. While the results may seem intuitive, the derived formulas reveal non-linearities and subtle dependencies, such as varying QoS sensitivity across different ranges of UAV fluctuations and mmWave blockages. Additionally, the analysis identifies feasible UAV placements to enhance the QoS.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,897
Score d'incertitude au seuil0,865

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,226
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Intelligent Transportation SystemsMême sujetUAV Applications and OptimizationTravaux en français237 207