Fog computing has been merged with Internet of Vehicle (IoV) systems to provide computational resources for end users, by which low latency can be guaranteed. In this paper, we put forward a feasible solution that enables offloading for real-time traffic management in fog-based IoV systems, aiming to minimize the average response time for events reported by vehicles. First, we construct a distributed city-wide traffic management system, in which vehicles close to road side units can be utilized as fog nodes. Then, we model parked and moving vehicle-based fog nodes according to a queueing theory, and draw the conclusion that moving vehicle-based fog nodes can be modeled as an $M/M/1$ queue. An approximate approach is developed to solve the offloading optimization problem by decomposing it into two subproblems and scheduling traffic flows among different fog nodes. Performance analyses based on a real-world taxi-trajectory datasets are conducted to illustrate the superiority of our method.

Summary The long‐range wide area network (LoRaWAN) is a standard for the Internet of Things (IoT) because it has low cost, long range, not energy‐intensive, and capable of supporting massive end devices (EDs). The adaptive data rate (ADR) adjusts parameters at both EDs and the network server (NS). This includes modifying the transmission spreading factor (SF) and transmit power (TP) to minimize packet errors and optimize transmission performance at the NS. The ADR managed by NS aims to provide reliable and energy‐efficient resources (e.g., SF and TP) to EDs by monitoring the packets received from the EDs. However, since the channel condition changes rapidly in LoRaWAN due to mobility, the existing ADR algorithm is unsuitable and results in a significant amount of packet loss and retransmissions causing an increase in energy consumption. In this paper, we enhance the ADR by introducing Kalman filter‐based ADR (KF‐ADR) and moving median‐based ADR (Median‐ADR), which estimate the optimal SNR by considering the mobility later used to assign the SF and TP to EDs. The simulation results showed that the proposed techniques outperform the legacy ADRs in terms of convergence period, energy consumption, and packet success ratio.

Contemporary individuals frequently face spine-related issues, which significantly impact their health and quality of life. However, traditional detection methods such as MRI and CT imaging entail high costs and radiation risks, limiting the screening and treatment of spine-related problems. This study leverages ubiquitous WiFi transceivers to collect WiFi Channel State Information (CSI) datasets representing three distinct spinal statuses. Employing a transformer-based neural network for data processing, we propose an efficient and cost-effective approach to assess spinal statuses, achieving a classification accuracy of 91%.

Underwater positioning plays a key role in many underwater operations. This paper presents the design, implementation, and evaluation of UWBeacon, a centimeter-level visible light-based underwater positioning system. UWBeacon consists of LED beacons as the light signal transmitter and a camera-based receiver as the target. To address unique challenges in underwater environment such as limited visibility and strong ambient interference, we exploit a novel design that utilizes polarized lights of different colors with different polarization angles for background subtraction. UWBeacon is implemented with commercial-off-the-shelf LEDs and cameras. Comprehensive experiments conducted in various real underwater environments show that UWBeacon can achieve a mean positioning error below 6 cm and an orientation error below 1.5° at a distance of 10 meters.

Wireless Power Transfer (WPT) has revolutionized the field of Wireless Rechargeable Sensor Networks (WRSNs), enabling sustainable operation of sensor nodes. Traditional mobile charging methods often require sensors to be within line-of-sight or physically accessed by the mobile charger, which may potentially lead to user safety or privacy concerns. Addressing this concern, this work is the first to introduce and validate the feasibility of Through-Wall charging. We formulate the W ireless charging thr O ugh W alls (WOW) problem to simultaneously enhance user safety and maximize charging utility. Our approach leverages fundamental principles of electromagnetics to construct an accurate charging model for Magnetic Resonance Coupling-based WPT systems. Additionally, we thoroughly analyze the impact of wall obstruction and provide a generalized framework for through-wall charging. By employing discretization techniques and approximation algorithms, we derive a near-optimal solution to the WOW problem. Extensive simulations and test-bed experiments demonstrate that our proposed approach reduces the reliance on physical access to devices, simplifies deployment in complex environments, and thereby optimizes the travel paths of mobile chargers and enhances the overall performance and lifetime of WRSNs. Compared to conventional methods, our method benefits from more reasonable scheduling order and path construction, achieving an average energy efficiency improvement of 27.8%.