MARC

 008260126s2024        us                              c    eng  d
■001000017360645
■00520260202105600
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798265402738
■035    ▼a(MiAaPQ)AAI32315969
■035    ▼a(MiAaPQ)GeorgiaTech75291
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a330
■1001  ▼aWatters,  Kyle  C.
■24510▼aMinimizing  Emissions  in  Directional  and  Highly  Mobile  Cognitive  Radio  Networks
■260    ▼a[Sl]▼bGeorgia  Institute  of  Technology▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a291  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-06,  Section:  B.
■500    ▼aAdvisor:  Coyle,  Edward.
■5021  ▼aThesis  (Ph.D.)--Georgia  Institute  of  Technology,  2024.
■520    ▼aThe  objective  of  the  proposed  research  is  focused  on  low  probability  of  detection  (LPD)  applications  by  minimizing  energy  transmission  and  transmission  in  directions  not  advantageous  to  intended  receivers  based  on  cognitive  networking  techniques  via  multi-hop  routing,  adaptive  power  control,  and  directional  antenna  command  and  control  loops.  The  goal  is  to  develop  distributed  cognitive  algorithms  operating  in  cognitive  nodes  to  intelligently  maintain  throughput  and  connectivity  while  accounting  for  time  varying  mission  requirements.  Additional  time  and  location  dependencies  are  considered  such  as  the  position  of  observers.Geographic  position  data  from  the  network  is  used  to  predict  changes  in  the  topology  and  estimate  the  multi-objective  costs  of  muli-hop  paths  in  the  network.  An  emphasis  is  placed  on  fast  approximations  to  ensure  real-time  implementation.  The  set  of  Pareto-optimal  paths  are  found  based  on  the  estimated  costs,  allowing  the  node  to  select  the  best  path  for  any  cost  function.
■590    ▼aSchool  code:  0078.
■650  4▼aAircraft
■650  4▼aRadio  networks
■650  4▼aAntennas
■650  4▼aComputer  science
■653    ▼aLow  probability  of  detection
■653    ▼aCognitive  radio  networks
■690    ▼a0984
■71020▼aGeorgia  Institute  of  Technology.
■7730  ▼tDissertations  Abstracts  International▼g87-06B.
■790    ▼a0078
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360645▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books