Apprentissage et adaptation au canal de propagation pour liens radiofréquence ultra-faible consommation dédiés aux applications à très grande autonomie.

par Chhayarith Heng Uy

Projet de thèse en Signal image parole telecoms

Sous la direction de Sylvie Charbonnier.

Thèses en préparation à Grenoble Alpes , dans le cadre de École doctorale électronique, électrotechnique, automatique, traitement du signal (Grenoble) , en partenariat avec Grenoble Images Parole Signal Automatique (laboratoire) et de Signal automatique pour la surveillance, le diagnostic et la biomécanique (equipe de recherche) depuis le 01-10-2016 .


  • Résumé

    L'adoption à grande échelle d'applications basées sur l'Internet des Objets (IdO) nécessite une augmentation considérable de la durée de vie des objets communicants qui doivent être autonomes en énergie pour de très longues durées (supérieures à 10 ans). Une piste possible pour diminuer la consommation moyenne d'un nœud consiste à fournir au transceiver radiofréquence (RF), le composant du nœud qui est souvent le plus gourmand en énergie, l'intelligence nécessaire pour que celui-ci adapte ses performances aux conditions dynamiques du canal de propagation RF, évitant ainsi de dissiper inutilement de l'énergie lorsque les conditions de propagation sont bonnes. En effet, vu les très grandes dynamiques de signal observées dans tout système RF réel, typiquement de l'ordre de 30 à 100 dB, les gisements d'économies d'énergie possibles sont très considérables. Le cœur du système RF adaptatif est le mécanisme d'estimation de la qualité du lien. Bien que historiquement les indicateurs de qualité de lien basés sur le niveau du signal reçu ou le taux d'erreur trame étaient peu fiables et difficiles à exploiter, de nouveaux indicateurs de qualité de lien émergent actuellement dans la littérature, indicateurs capables de reconstruire une image du rapport signal à bruit (SNR) par symbole reçu. Nous postulons que les transceivers intelligents du futur les exploiteront pour extraire des informations précises sur les conditions de propagation et, le cas échéant, sur les raisons probables de la détérioration de la qualité du lien (masquage, évanouissement, interférence due aux transmissions RF simultanées (co-canal, adjacent, intra et inter réseaux), interférence RF due aux divers bruits électromagnétiques dans l'environnement (fours micro-ondes), etc...) afin de s'y adapter et ainsi minimiser leur consommation d'énergie.

  • Titre traduit

    Learning and adaptation to the propagation channel for ultra-low power radio frequency links dedicated to applications at very high autonomy.


  • Résumé

    The widespread adoption of applications based on the Internet of Things (IoT) requires a considerable increase in the lifetime of communicating objects to be energy independent for very long periods (greater than 10 years). A possible track to reduce the average consumption of a node is to provide the transceiver radio frequency (RF), the node component that is often the most power hungry, the intelligence that it adapts its performance to the dynamic conditions RF propagation channel, thereby avoiding unnecessary dissipate energy when propagation conditions are good. Indeed, given the very large dynamic signal observed in all real RF system, typically of the order of 30 to 100 dB, the potential energy savings deposits are very considerable. The heart of adaptive RF system is the mechanism for estimating the quality of the link. Although historically the link quality indicators based on the level of the received signal or the frame error rate were unreliable and difficult to use, new link quality indicators are emerging in the literature, indicators able to reconstruct an image the signal to noise ratio (SNR) of the received symbol. We postulate that smart transceivers future will exploit to extract specific information on propagation conditions and, where applicable, the likely reasons for the deterioration of the quality of the link (masking, fading, interference due to simultaneous RF transmissions ( co-channel, adjacent, within and between networks), RF interference due to various electromagnetic noise in the environment (microwave ovens), etc ...) to adapt and minimize energy consumption.