A Predictive Integrated Sensing, Communication, and Computation Over-the-Air Approach for IoV: Optimization and Trade-Off Analysis
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
Integrated Sensing, Communication, and Computation (ISCC) has the potential to meet diverse requirements of Internet of Vehicles (IoV), such as high reliability and low power consumption. However, existing works have not fully considered the problems of unreliable communication links and inefficient data processing under resource constraints in non-ideal environments. To address these issues, this paper proposes a predictive Integrated Sensing, Communication and Computation Over-the-Air (ISCCO) approach based on Orthogonal Time Frequency Space (OTFS) modulation. It takes high Doppler shifts, network dynamics, and resource constraints into account. In particular, the Road Side Unit (RSU) performs target tracking while communicating with the downlink users through Space Division Multiplexing (SDM), and receives the transmission results of the uplink. For the downlink, a predictive beamforming approach based on Extended Kalman Filtering (EKF) is employed, while Over-the-Air computation (AirComp) is utilized for the uplink. The transmit power and receive beamformer at the RSU, along with the transmit power of the uplink users, are jointly optimized through two formulated optimization problems: sensing performance maximization and power consumption minimization. To solve these problems, we adopt an Alternating Optimization (AO)-based algorithm for finding the local optimal solution. Simulation results validate the effectiveness of the AO-based algorithm, and the analysis of the trade-offs between multi-dimensional performance of ISCC and power consumption is conducted.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| 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 | 0,001 |
| 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