Pôle Traitement, Transmission d'Info, algorithme et Intégration (T2I3)

L’objectif de l’étude est de modéliser, simuler et optimiser les canaux physiques de communication (de l’émetteur au récepteur) de drones aériens, en tenant compte des contextes opérationnels. 

Cette étude est en fait le second volet d’un vaste programme de recherche commandé par la DGA, qui vise l’optimisation de la qualité des communications entre un drone aérien et son opérateur basé à terre, ou entre plusieurs drones et leur opérateur. Pour cela, les outils de calcul des missions et de pilotage des drones devront tenir compte des contextes opérationnels, en particulier les éléments naturels comme le relief ou la végétation dense qui limitent la propagation des ondes.

La 1e étude avait permis de modéliser ce coefficient de perte de communication. Cette nouvelle étude a plusieurs objectifs complémentaires. 

Tout d’abord trouver les meilleures routes, celles qui permettent de conserver un coefficient de communication le plus élevé possible. Pour cela les chercheurs développent des techniques d’optimisation efficaces intégrant les modèles de propagation des ondes radar (théories mathématiques d’optimisation).

Autres paramètres pris en compte, la gestion du vol et l’orientation du drone. Elles impactent également les communications radiofréquences et sont prises en compte dans les modèles à l’aide d’algorithmes d’IA (apprentissage par renforcement).

Enfin, des méthodes de calcul des missions pourront faire intervenir deux ou plusieurs drones afin d’assurer cette optimisation des communications. Les chercheurs étudient alors dans quelle mesure les algorithmes développés sont capables de faire face à une grande montée de la complexité combinatoire inhérente au contexte multi-drones.

• sujet de thèse : "Vers des Stratégies Efficaces de Collecte de Données et de Prise de Décision pour les Réseaux de Capteurs à Ressources Limitées"
   
• soutenue en décembre 2021
   
• mots clés : Réseaux des Capteurs, Efficacité Energétique, Prise de Décision, Réduction des Données, Corrélation Spatio-Temporelle, Stratégies de Planification.

Le haut potentiel des capteurs est tempéré par deux freins technologiques majeurs : les ressources limitées de leurs batteries et la difficulté de collecte de données volumineuses en temps réel. Cette thèse vise à proposer plusieurs mécanismes de collecte et d'analyse de données pour surmonter ces défis, en se basant sur l’architecture en réseaux de capteurs (clustering).

Les résultats obtenus en expérimentations ont montré l'efficacité de ces mécanismes en termes de consommation d'énergie, de précision des données et de zone de couverture, et améliorent les performances des réseaux de capteurs.

Les mécanismes proposés fonctionnent à trois niveaux de réseau. Ils visent à réduire la quantité de données disséminées dans le réseau tout en préservant l'intégrité des informations.

• Au niveau du capteur, nous proposons des méthodes de prédiction, d'agrégation et de compression de données basées respectivement sur des algorithmes de Newton Forward Difference, de divide-and-conquer et d'élimination de similarité dans le but de réduire les données brutes collectées par chaque capteur.
• Au niveau du « Cluster Head » (chef de groupe du réseau de capteurs), nous proposons de nouvelles techniques de clustering, de fusion, d'agrégation intermédiaire et d'ordonnancement qui visent à rechercher la corrélation entre les noeuds voisins puis à éliminer les redondances de données existantes avant d'envoyer les données vers le puits.
• Au niveau du « Sink » (nœud/passerelle du réseau de capteurs), nous introduisons des modèles de prise de décision efficaces basés sur un tableau de score qui permet aux utilisateurs finaux d'analyser les données et de prendre une décision convenable.

Ces programmes sont conduits avec l’hôpital des armées et le CHRU de Brest.

• Acquisition et traitement des électrocardiogrammes d’un foetus et de sa mère à l’aide de capteurs sans fil.
• Caractérisation et classification de thrombose veineuse profonde (caillot sanguin).
• Utilisation des signaux EEG (électroencéphalographie) et EMG (électromyogramme) pour contrôler une chaise roulante par une personne paraplégique.
• Utilisation des signaux EOG (électro-oculographie) pour actionner et surfer sur une page web par une personne paralysée : réaliser un capteur ECG sans fil et un simulateur pour la faculté de médecine.

En estimant les caractéristiques du canal de transmission pour mieux transmettre et protéger l'information.

• Théorie des jeux pour développer des protocoles pour une radio cognitive tactique.

• Smart Antenna & Beamforming (Formation de voies) : l'antenne doit s'adapter automatiquement à son environnement.

• Internet des objets et problèmes de réseaux sans fil liés à la coexistence des communications machine-to-machine (M2M) et human-to-human (H2H).