Data collection in massive Internet of Things networks requires novel and flexible methods. Unmanned aerial vehicles (UAVs) are foreseen as a means to collect data rapidly even in remote areas without static telecommunication infrastructure. To this direction, UAV-mounted reconfigurable intelligent surfaces (RISs) aid in reducing the hardware requirements and signal processing complexity at the UAV side, while increasing the energy efficiency and reliabilityof the network. Hence, in this paper, we propose the utilization of a UAV-mounted RIS for data collection and study the coverage probability in such networks. Additionally, we propose a novel medium access control protocol based on slotted ALOHA and Code Combining to handle the communication of multiple sensors. To account for the crucial energy issue in UAVs, we devise an energy model that considers both the UAV and the RIS weight, as well as the environmental conditions and the UAV velocity. Finally, we characterize the performance of the proposed data collection scheme by analyzing the average throughput and the average data per flight, while providing useful insights for the design of such networks.


翻译:大型“物”网络的数据收集需要创新和灵活的方法,预计无人驾驶飞行器(无人驾驶飞行器)可成为快速收集数据的手段,即使在没有静态电信基础设施的偏远地区也是如此,为此,无人驾驶飞行器(无人驾驶飞行器)将协助减少无人驾驶飞行器方面的硬件要求和信号处理复杂性,同时提高网络的能效和可靠性,因此,在本文件中,我们提议利用无人驾驶飞行器(无人驾驶飞行器)收集数据和研究此类网络的覆盖概率。此外,我们提议根据已排定的ALOHA和代码组合,订立新的中位访问控制协议,处理多个传感器的通信。为了说明无人驾驶飞行器中的关键能源问题,我们设计了一个能源模型,既考虑无人驾驶飞行器和RIS重量,也考虑环境条件和UAV速度。最后,我们通过分析平均吞吐量和平均每次飞行数据,为设计这类网络提供有用的见解,来描述拟议的数据收集计划的执行情况。

0
下载
关闭预览

相关内容

Networking:IFIP International Conferences on Networking。 Explanation:国际网络会议。 Publisher:IFIP。 SIT: http://dblp.uni-trier.de/db/conf/networking/index.html
【2022新书】高效深度学习,Efficient Deep Learning Book
专知会员服务
118+阅读 · 2022年4月21日
专知会员服务
39+阅读 · 2020年9月6日
专知会员服务
60+阅读 · 2020年3月19日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Latest News & Announcements of the Plenary Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年11月2日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年10月3日
VIP会员
相关资讯
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Latest News & Announcements of the Plenary Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年11月2日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Top
微信扫码咨询专知VIP会员