Étude et positionnement utilisant le réseau de capteur sans fil dans un environnement minier souterrain
Bibliographic record
Abstract
La sécurité et la communication posent des problèmes majeurs auxquels il faut remédier dans les environnements hostiles comme les mines souterraines. Pour une communication fiable ainsi que pour tracer la position exacte d’un objet dans les mines souterraines, différentes technologies ont été déployé. Parmi ces dernières, le réseau de capteurs sans fil est considéré comme un outil prometteur pour les applications basées sur la localisation, à savoir, la surveillance des lieux, le repérage des mobiles et la navigation. En fait, les réseaux de capteur sans-fil fournissent une couverture d’une vaste gamme d’équipements fiables, efficaces, tolérants aux défaillances et évolutives. Cependant, les travaux de recherches précédents ont divisé la localisation en deux parties: les méthodes basées sur la portée et celles non-basées sur la portée. Où la première est précise et coûteuse tandis que la deuxième est présentée pour réduire la quantité d’énergie consommée du côté capteur dont les ressources sont limitées. Notre recherche se focalise sur la localisation basée sur la portée utilisant le réseau de capteurs sans fil dans les milieux internes et mines souterrains. Plusieurs techniques ont été proposées pour la localisation comme la réception de l'indicateur de force de signal (RSSI), le temps d'arrivée (TOA), la différence de temps d'arrivée (TDOA), l'angle d'arrivée (AOA). Bien que plusieurs travaux de recherches utilisant ces techniques aient été exécutés, l'approche de localisation à base de temps pour les environnements complexe comme la mine souterraine demeure limitée. Cette thèse offre de nouvelles solutions pour combler l’écart entre la localisation à base de temps et le réseau de capteurs sans fil à haute précision, pour l’environnement minier souterrain. De plus, nous avons utilisé une technologie émergente, à savoir les communications ultra-large bande, pour booster la performance et l'exactitude. Notre travail de recherche est subdivisé en deux principales parties : une partie simulation et une partie pratique. Dans la première, nous avons utilisé MATLAB pour faire les différentes simulations. La deuxième partie consiste en plusieurs mesures pratiques réalisées dans un environnement intérieur ainsi que dans une mine souterraine. Les résultats montrent une amélioration remarquable et une meilleure précision de la technique UWB à base de temps.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".