AI-BASED ENERGY EFFICIENT COMMUNICATION IN IOT SYSTEM
Shital Chavan · Anam Bedrekar · Sanika Babar 等 4 人
综述AI自适应发射功率控制提升IoT通信能效，面向智慧农业等场景。
综述机器学习预测模型、边缘计算与LPWAN技术，基于RSSI等参数。
AI自适应功率控制可降低能耗、减少干扰并延长设备寿命，但存在实现复杂与隐私挑战。
可研究面向农田的轻量级AI功率控制模型，结合土壤墒情与作物需水优化能耗。
综述性论文，方法层面有参考价值，但非农业专属突破，且期刊权威性一般，仅作主题聚合素材。
物联网（IoT）的快速发展使得智能家居、医疗健康、农业和工业自动化等各个领域的联网设备数量大幅增加。由于这些设备通常由电池供电，且部署在偏远或大规模环境中，能效已成为物联网通信系统中的关键问题。传统物联网网络通常采用固定传输功率运行，无法适应不断变化的环境或网络条件，导致不必要的能耗和电池寿命缩短。为解决这些局限，人们日益需要能够在不影响可靠性的前提下动态优化功率使用的智能自适应通信机制。在此背景下，基于人工智能（AI）的自适应传输功率控制已成为一种有前景的解决方案。本综述论文分析了使物联网设备能够根据实时条件和网络需求调整传输功率的AI驱动技术。研究探讨了基于机器学习的预测模型等方法，这些方法利用接收信号强度指示（RSSI）、距离、干扰水平和丢包率等参数来确定最优传输功率。此外，还考察了边缘计算的作用，其能够以更低延迟实现更快决策。论文还讨论了低功耗广域网（LPWAN）技术的集成，以支持长距离和节能通信。进一步地，本文强调了自适应功率控制如何通过减少能量浪费、最小化干扰和延长设备寿命来改善网络性能。这些优势在智慧城市、精准农业和工业自动化等应用中尤为有用。尽管具有这些优势，实施复杂性、资源约束和数据隐私问题等挑战仍然存在。论文还概述了未来研究方向，包括开发轻量级AI模型以及与新兴技术的改进集成。总之，基于AI的自适应传输功率控制显著提升了能效和通信可靠性，使其成为下一代物联网系统可持续发展的关键。它还支持物联网网络在多样化现实环境中的可扩展且具有成本效益的部署。