Communications protocols for wireless sensor networks in perturbed environment
Bibliographic record
Abstract
Protocoles de communications pour réseaux de capteurs en milieu fortement perturbé Cette thèse s'inscrit dans le domaine du Smart Grid. Les SGs améliorent la sécurité des réseaux électriques et permettent une utilisation adaptée de l'énergie disponible de manière limitée. Ils augmentent également l'efficacité énergétique globale en réduisant la consommation. L'utilisation de cette technologie est la solution la plus appropriée car elle permet une gestion plus efficace de l'énergie. Dans ce contexte, des compagnies comme Hydro-Québec déploient des réseaux de capteurs pour contrôler les principaux équipements. Pour réduire les coûts de déploiement et la complexité du câblage, un réseau de capteurs semble être une solution optimale. Cependant, son déploiement nécessite une connaissance approfondie de l'environnement. Les postes à haute tension sont des points stratégiques du réseau électrique et génèrent un bruit impulsif qui dégrade les performances des communications sans fil. Les travaux dans cette thèse sont centrés sur le développement de protocoles de communication performants dans ces milieux fortement perturbés. Nous avons proposé une première approche basée sur la concaténation du code à métrique de rang et le code convolutif avec la modulation OFDM. C'est une technique très efficace pour réduire l'effet du bruit impulsif tout en ayant un niveau de complexité assez faible. Une autre solution basée sur un système multi-antennaire est développée. Nous avons aussi proposé un système MIMO coopératif codé en boucle fermée basée sur le code à métrique de rang et le précodeur max-dmin. La deuxième technique est également une solution optimale pour améliorer la fiabilité du système et réduire la consommation énergétique dans les réseaux de capteurs.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.007 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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; both teacher heads agree on what is shown here.
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".