Echantillonnage compressé pour la localisation sans fil dans un contexte IoT

par Luan Chen

Projet de thèse en Radiocommunications

Sous la direction de Didier Le ruyet.

Thèses en préparation à Paris, CNAM , dans le cadre de Ecole Doctorale d'Informatique, Télécommunications et Electronique (EDITE) , en partenariat avec Cedric - Centre d'étude et de recherche en informatique et communications (laboratoire) et de LAETITIA - Traitement du signal et architectures électroniques (equipe de recherche) depuis le 01-09-2016 .


  • Résumé

    Suite au développement rapide des technologies sans fil et de l'Internet, l'Internet des objets trouve de plus en plus d'application dans notre vie quotidienne. Les services basés sur la localisation (LBS) font partis des applications les plus attractives. Dans cette thèse, nous étudions les systèmes de localisation basé sur la puissance du signal reçu (RSS) et utilisant l'acquisition compressée (CS). L'objectif du travail proposé est de remédier à l'insuffisance de la cartographie de radio basée RSS en proposant des compromis entre la génération d'une carte radio générique moins sensible aux changements de l'environnement, tout en utilisant les RSS. De plus, ce travail vise à analyser les algorithmes d'acquisition compressée même si tous les algorithmes ne sont pas directement comparables. En présence de mobilité, en plus des techniques de localisation classique, des algorithmes de poursuite doivent être également considéré comme le filtrage particulaire qui utilise une approche probabilistique pour poursuivre une variable d'intérêt évoluant dans le temps.

  • Titre traduit

    Compressive Sensing based Advanced Wireless Localization in the Context of Internet of Things


  • Résumé

    Due to the rapid develpment of wireless technologies and the Internet, the Internet of Things is federating more and more interests in our daily life. As one of the most attractive applications, location-based services (LBS) have been utilized in many promising fields. In this thesis, a Received Signal Strength (RSS) based localization scheme using Compressive Sensing (CS) is considered thanks to the ubiquitous presence of the RSS measurements in all wireless device and the spatial sparsity for different targets in one certain area. The objective of the proposed work is to overcome the deficiency of RSS based radio mapping by investigating the tradeoffs between the generation of a generic radio map which is less sensitive to environment change, while still using the RSS metric. Furthermore, the work aims at analyzing the existing CS recovery algorithms even if all the algorithms are not directly comparable. In case of mobility, in addition of classical localization approaches, tracking algorithms have to be studied in order to recover dynamically the position. For this aim, dead-reckoning algorithm can be useful. This latter can be addressed using particle filtering which is a probabilistic approach able to track a variable of interest, which is position in our problem, as it evolves over time.