Vous êtes ici : GIPSA-lab > Formation > Thèses soutenues
HENG UY Chhayarith

Analyse automatique du canal de propagation pour l'adaptation des liens radiofréquence ultra-faible consommation dédiés aux applications à très grande autonomie

 

Directeur de thèse :     Sylvie CHARBONNIER

École doctorale : Electronique, electrotechnique, automatique, traitement du signal (EEATS)

Spécialité : Signal, image, parole, télécoms

Structure de rattachement : Université Grenoble Alpes

Établissement d'origine : INP-PHELMA

Financement(s) : Bourse attribuée par un organisme ; ATER

 

Date d'entrée en thèse : 01/10/2016

Date de soutenance : 25/06/2020

 

Composition du jury :
MICHELE ROMBAUT - Examinateur, PROFESSEUR DES UNIVERSITES, UNIVERSITE GRENOBLE ALPES
ANTOINE PICOT - Examinateur, MAITRE DE CONFERENCES, INP TOULOUSE - ENSEEIHT
JEAN-MARIE GORCE - Rapporteur, PROFESSEUR DES UNIVERSITES , INSA LYON
PIERRE BEAUSEROY - Rapporteur, PROFESSEUR DES UNIVERSITES, UNIVERSITE DE TECHNOLOGIE DE TROYES
Sylvie CHARBONNIER , Directeur de thèse
Carolynn BERNIER Co-encadrant.

 

Résumé : Élément essentiel de l’internet des objets (IoT), les réseaux sans fil faible consommation, bas débit et longue portée (LPWAN) sont basés sur des systèmes de communication radiofréquence (RF). De ce fait, et comme pour tout système de communication RF, la qualité de la transmission dépend de la qualité du canal de communication RF correspondant à l’environnement physique et électromagnétique qui entoure le système. Ainsi, la transmission peut être dégradée par une perturbation de l’environnement physique (par exemple, le déplacement d’un objet) et/ou électromagnétique (par exemple, la présence d’une source d’interférence). Au moment de leur déploiement, les radios sont typiquement configurées de telle sorte à garantir une bonne qualité de transmission quelque soient les conditions de propagation. Pourtant, la plupart du temps, les conditions sont idéales pour une bonne communication : il n’y a pas de perturbations et le bilan de liaison est favorable. De ce fait, les radios consomment inutilement une quantité importante d’énergie. L’objectif de nos travaux est de rendre ces radios intelligentes, c'est-à-dire capables de déterminer les conditions de propagation du canal de transmission et d’adapter leur consommation en temps réel de manière autonome. Bien que des systèmes adaptatifs de transmission RF existent depuis longtemps dans les contextes cellulaires et WLAN, nos travaux s'adressent aux systèmes de transmission ultra-faible consommation utilisés dans les applications IoT à très grande autonomie énergétique. Nos travaux ont porté principalement sur la proposition de méthodes permettant l'analyse automatique du canal à chaque réception d'une trame de communication. Trois situations sont détectées : 1- le canal de transmission est non perturbé, 2- il est perturbé par de la mobilité dans son entourage ou 3- il est perturbé par des interférences électromagnétiques intentionnelles. Pour cela, nous avons dans un premier temps proposé l'utilisation de plusieurs signaux déjà existants dans le récepteur bande de base numérique du système de transmission comme signaux d'analyse du canal (CAS). Ces signaux se localisent à la sortie des algorithmes de démodulation, de désétalement et du décodage correcteur d’erreurs, qui correspondent aux blocs décisionnels de la chaîne de traitement de l'information. Nous avons ensuite proposé l'extraction de différentes caractéristiques, temporelles et fréquentielles, permettant de décrire la forme du signal d'analyse lors de la réception de la trame. Finalement, deux types de classifieurs, un arbre de décision et un classifieur gaussien évolutif capable d'apprendre les classes au fur et à mesure de leur apparition, ont été proposés. Les performances du système ont été évaluées à partir d'une base de données constituée d'exemples collectées à l'aide d'une radio répondant au protocole IEEE 802.15.4k que nous avons programmée sur une plateforme expérimentale à base d'USRP afin d’acquérir des signaux radiofréquences dans un environnement réel et en partie contrôlé. Au final, la solution retenue est un arbre de décision n'utilisant que deux caractéristiques temporelles de très faible coût computationnel, extraites à partir de la valeur absolue du produit Hermitien du signal en bande base reçu. Il permet de reconnaître une situation de canal non perturbé avec un taux de bonnes classification de 83%, et un risque moyen de classer une situation de mobilité ou d'interférence en situation non perturbée de 3%. Cela garantit une reconfiguration de la radio et donc une économie d'énergie dans plus de 80% des cas où cette économie est possible, avec un risque réduit de non réception de la trame dû à une reconfiguration des performances de la radio quand les conditions sont perturbées. Grâce à la faible complexité des méthodes proposées, l'analyse de la nature du canal de transmission peut être réalisée à faible coût énergétique à chaque trame reçue.


GIPSA-lab, 11 rue des Mathématiques, Grenoble Campus BP46, F-38402 SAINT MARTIN D'HERES CEDEX - 33 (0)4 76 82 71 31