Traitement du signal collaboratif dans les réseaux de capteurs sans fils

Collaborative signal processing in wireless sensor networks

• Auteur / Autrice : Majdi Mansouri
• Direction : Cédric Richard, Hichem Snoussi
• Type : Thèse de doctorat
• Discipline(s) : Optimisation et sûreté des systèmes
• Date : Soutenance en 2011
• Etablissement(s) : Troyes
• Ecole(s) doctorale(s) : Ecole doctorale Sciences pour l'Ingénieur (Troyes, Aube)

Mots clés

Mots clés contrôlés

Trajectographie

Traitement adaptatif du signal

Systèmes de communication sans fil

Statistique bayésienne

Réseaux de capteurs (technologie)

Optimisation combinatoire

Résumé

L'objectif principal de la thèse est d'étudier le problème d'inférence bayésienne dans les réseaux de capteurs distribués avec un accent particulier sur le compromis entre la précision de l'estimation et la consommation de l'énergie. Nous avons proposé des algorithmes de traitement distribué du signal avec des mesures de capteurs quantifiées. En particulier, cette thèse porte sur l'application des méthodes variationnelles pour résoudre les problèmes de suivi de cibles sous les contraintes d'énergie dans les RCSFs. Le travail a abouti à la résolution de trois problèmes en RCSFs : la quantification intelligente des données des capteurs, la gestion des clusters et l'application de l'optimisation multi-objectifs pour s'accommoder des contraintes énergétiques d'un réseau de capteurs. Les contributions de cette thèse concernent les points suivant : -Estimation des positions de cibles basée sur des mesures quantifiées utilisant des méthodes variationnelles. -Estimation de canal entre les capteurs candidats et le chef de cluster. -Régime de quantification adaptative sous contraintes de puissance de transmission constante et variable. -Sélection de meilleurs capteurs qui peuvent participer à la collecte de données. -Agrégation sécurisée de données dans le RCSF. -Sélection de chemins de communication optimaux entre les capteurs. -Méthode d'optimisation multi-objectifs dans le RCSF. -Application de la méthode d'agrégation multicritères des données basée sur le système multi-agents pour la gestion de crise dans le RCSF

The primary focus of the thesis is to study the Bayesian inference problem in distributed Wire-less Sensors Networks with particular emphasis on the trade-off between estimation precision and energy-awareness. We have proposed to use a distributed statistical signal processing in Wireless Sensors Networks with quantized measurements. In particular, this thesis ad-dresses the application of variational methods for solving localization and tracking problems under energy and power constraints in Wireless Sensors Networks. Our work addresses three issues in wireless sensors networks: smart quantization scheme, cluster management and application of multi-objective optimization under energy constraint. The thesis contributions can be summarized as follows: - Target position estimation with quantized measurements based on variational methods - Channel estimation between the candidates sensors and the cluster head for target tracking in Wireless Sensor Network. - Adaptive optimized quantization under fixed and variable transmission power for target tracking in Wireless Sensor Network. - Best sensors selection that participate in data collection for target tracking in Wireless Sensor Network. - Secure data aggregation in Wireless Sensor Network. - Optimal communication path selection be-tween sensors. - Multi-objective optimization method in Wire-less Sensor Network. - Application of the multi-criteria data aggregation for crisis management based on multi-agents system in Wireless Sensor Network