論文の概要: The Communication GSC System with Energy Harvesting Nodes aided by Opportunistic Routing

• arxiv url: http://arxiv.org/abs/2311.09932v1
• Date: Thu, 16 Nov 2023 14:36:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-17 13:52:48.324069
• Title: The Communication GSC System with Energy Harvesting Nodes aided by Opportunistic Routing
• Title（参考訳）: 日和見ルーティングによるエネルギー収穫ノードを用いた通信gscシステム
• Authors: Hanyu Liu, Lei Teng, Wannian An, Xiaoqi Qin, Chen Dong and Xiaodong Xu
• Abstract要約: 本稿では,エネルギーハーベスティング(EH)デコード・アンド・フォワード(DF)リレーに基づく協調通信ネットワークを提案する。 リレーノードの場合、このシステムにはHSU構造がある。 そして、エネルギーバッファリングによって周囲の環境からエネルギーを得ることができる。
• 参考スコア（独自算出の注目度）: 3.272050105727826
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, a cooperative communication network based on energy-harvesting (EH) decode-and-forward (DF) relays is proposed. For relay nodes, there is harvest-storage-use (HSU) structure in this system. And energy can be obtained from the surrounding environment through energy buffering. In order to improve the performance of the communication system, the opportunistic routing algorithm and the generalized selection combining (GSC) algorithm are adopted in this communication system. In addition, from discrete-time continuous-state space Markov chain model (DCSMC), a theoretical expression of the energy limiting distribution stored in infinite buffers is derived. Through using the probability distribution and state transition matrix, the theoretical expressions of system outage probability, throughput and time cost of per packet are obtained. Through the simulation verification, the theoretical results are in good agreement with the simulation results.
• Abstract（参考訳）: 本稿では,エネルギーハーベスティング(EH)デコード・アンド・フォワード(DF)リレーに基づく協調通信ネットワークを提案する。 リレーノードの場合、このシステムにはHSU構造がある。 そして、エネルギーバッファリングによって周囲の環境からエネルギーを得ることができる。 通信システムの性能を向上させるため、この通信システムでは、日和見的ルーティングアルゴリズムと一般化選択結合(gsc)アルゴリズムが採用されている。 さらに、離散時間連続状態空間マルコフ連鎖モデル(DCSMC)から、無限バッファに格納されたエネルギー制限分布の理論式を導出する。 確率分布と状態遷移行列を用いて、パケット当たりのシステム停止確率、スループット、時間コストの理論式を求める。 シミュレーション検証により,理論結果はシミュレーション結果とよく一致している。

関連論文リスト

• Intelligent Hybrid Resource Allocation in MEC-assisted RAN Slicing Network [72.2456220035229]
  我々は,協調型MEC支援RANスライシングシステムにおける異種サービス要求に対するSSRの最大化を目指す。 最適ハイブリッドRAポリシーをインテリジェントに学習するためのRGRLアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-02T01:36:13Z)
• Multiagent Reinforcement Learning with an Attention Mechanism for Improving Energy Efficiency in LoRa Networks [52.96907334080273]
  ネットワーク規模が大きくなるにつれて、パケット衝突によるLoRaネットワークのエネルギー効率は急激に低下する。 マルチエージェント強化学習(MALoRa)に基づく伝送パラメータ割り当てアルゴリズムを提案する。 シミュレーションの結果,MALoRaはベースラインアルゴリズムと比較してシステムEEを著しく改善することがわかった。
  論文  参考訳（メタデータ） (2023-09-16T11:37:23Z)
• Decentralized Learning over Wireless Networks: The Effect of Broadcast with Random Access [56.91063444859008]
  本稿では,D-SGDのコンバージェンス性能に及ぼす放送送信と確率的ランダムアクセスポリシーの影響について検討する。 この結果から,アクセス確率を最適化し,期待されるリンク数の最大化が,システム収束を加速するための極めて効果的な戦略であることが示唆された。
  論文  参考訳（メタデータ） (2023-05-12T10:32:26Z)
• Evaluating the Planning and Operational Resilience of Electrical Distribution Systems with Distributed Energy Resources using Complex Network Theory [0.0]
  本稿では,極端事象下での配電系統の計画と運用のレジリエンスを評価する手法を提案する。 提案するフレームワークは,複雑なネットワーク理論を効果的に活用して開発されている。
  論文  参考訳（メタデータ） (2022-08-24T13:41:37Z)
• A scheme for multipartite entanglement distribution via separable carriers [68.8204255655161]
  我々は,任意の数のネットワークノードに適用可能な分離可能なキャリアによる絡み合い分布の戦略を開発する。 我々のプロトコルはマルチパーティの絡み合いをもたらすが、処理を媒介するキャリアはネットワークに対して常に分離可能な状態である。
  論文  参考訳（メタデータ） (2022-06-20T10:50:45Z)
• Integrating Quantum Simulation for Quantum-Enhanced Classical Network Emulation [54.08949958349055]
  本稿では,現在のネットワークの観点から,通信ネットワークにおける量子通信技術の短期的可能性について検討する。 リンク層における量子ネットワークシミュレータQuNetSimのインスタンスを,通信ネットワークエミュレータComNetsEmuに統合する。 これにより、ComNetsEmuの新たな拡張バージョンは、任意の量子プロトコルを、直接接続されたネットワークホスト間で実行することができる。
  論文  参考訳（メタデータ） (2021-10-04T13:31:55Z)
• Synthetic Active Distribution System Generation via Unbalanced Graph Generative Adversarial Network [2.2749157557381245]
  Wasserstein GANの目的を持つ暗黙的な生成モデルは、合成三相非平衡な能動分布系接続を生成するように設計されている。 基本的な考え方は、実世界のシステムと線分の各フェーズにおけるランダムウォークの分布を学習することである。 いくつかのパワーアプリケーションを用いたケーススタディでは、提案フレームワークによって生成された合成アクティブネットワークが、現実世界のネットワークのほとんど全ての特徴を模倣できることが示されている。
  論文  参考訳（メタデータ） (2021-08-02T02:17:01Z)
• Optimal Power Allocation for Rate Splitting Communications with Deep Reinforcement Learning [61.91604046990993]
  このレターでは、レート分割多重アクセスネットワークにおいて、ユーザの電力割り当てを最適化するための新しいフレームワークを紹介します。 ネットワークでは、ユーザのために意図されたメッセージは、単一の共通部分と個々のプライベート部分に分割される。
  論文  参考訳（メタデータ） (2021-07-01T06:32:49Z)
• Medium Access using Distributed Reinforcement Learning for IoTs with Low-Complexity Wireless Transceivers [2.6397379133308214]
  本論文では,低複雑性無線トランシーバを用いたIoTネットワークにおけるMAC層無線プロトコルに使用できる分散強化学習(RL)ベースのフレームワークを提案する。 このフレームワークでは、アクセスプロトコルをまずMarkov Decision Processs (MDP) として定式化し、次にRLを用いて解決する。 本論文は,学習パラダイムの性能と,ノードが様々なネットワークダイナミクスに応答して,その最適伝達戦略をオンザフライで適応させる能力を示す。
  論文  参考訳（メタデータ） (2021-04-29T17:57:43Z)
• Resilient Identification of Distribution Network Topology [0.0]
  本稿では,DERMSで利用可能な測定値のみに依存するネットワークTI関数を提案する。 提案手法は,ネットワークスイッチング構成と保護装置の状態を同定する。 計算負荷が低いため、このアプローチは高速トラックであり、リアルタイムアプリケーションに適用できる。
  論文  参考訳（メタデータ） (2020-11-16T14:23:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。