MétaCan
Menu
Retour à la cohorte
Enregistrement W7117570747 · doi:10.1109/mswim67937.2025.11308739

Risk-Aware Fast Initial 3D Beam Alignment for UAV-Assisted mmWave/THz URLLC

2025· article· W7117570747 sur OpenAlexaff
Loubna Gafari, Wissal Attaoui, Essaid Sabir, Elmahdi Driouch, Mohamed Sadik

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiqueUAV Applications and Optimization
Établissements canadiensUniversité de MontréalUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésReliability (semiconductor)Particle swarm optimizationWirelessLatency (audio)Convergence (economics)Key (lock)Beam (structure)

Résumé

récupéré en direct d'OpenAlex

Unmanned aerial vehicles (UAVs) are emerging as key enablers for extending coverage and reliability in next-generation wireless networks using millimeter-wave (mmWave) and terahertz (THz) links. However, their narrow directional beams make initial cell search and alignment challenging under stringent latency and reliability demands. We study a risk-aware beam alignment problem where both the expected access delay and its variability are minimized under strict reliability constraints. To tackle this, we develop the Lévy Self-Renewable Flow Direction Algorithm (LSRFDA), designed to balance convergence speed and computational efficiency. Simulations confirm that LSRFDA achieves faster alignment, lower latency, and higher reliability compared to Particle Swarm Optimization (PSO) and random search, making it suitable for UAV-assisted mmWave/THz URLLC and HRLLC scenarios.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,927
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0010,000

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 Opus0,010
Tête enseignante GPT0,255
Écart entre enseignants0,245 · 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.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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 sujetUAV Applications and OptimizationTravaux en français237 207