Planification des ressources radio dans les réseaux IoT longues portées avec faible puissance
Auteur / Autrice : | Yi Yu |
Direction : | Michel Terré, Lina Mroueh |
Type : | Thèse de doctorat |
Discipline(s) : | Génie électrique, électronique, photonique et systèmes. Radiocommunications |
Date : | Soutenance le 29/01/2021 |
Etablissement(s) : | Paris, CNAM |
Ecole(s) doctorale(s) : | École doctorale Informatique, télécommunications et électronique de Paris |
Partenaire(s) de recherche : | Laboratoire : Centre d'études et de recherche en informatique et communications (Paris) |
Equipe de recherche : Laboratoire en Architecture Electronique, Traitement du signal, Image et Télécommunications pour l'Industrie et les futures Applications (Paris) | |
Jury : | Président / Présidente : Maryline Hélard |
Examinateurs / Examinatrices : Guillaume Vivier, Philippe Martins Goncalves, Dirk T. M. Slock | |
Rapporteurs / Rapporteuses : Marco Di Renzo, Laurent Clavier |
Mots clés
Résumé
Cette thèse étudie le problème de planification des ressources pour les réseaux IoT longues portées basés sur les technologies NB-IoT et LoRa. Dans les deux cas, on suppose que les capteurs et les collecteurs sont distribués suivant des processus de points de Poisson spatial indépendants marqués par le caractère aléatoire du canal. Pour le NB-IoT, nous élaborons un modèle de dimensionnement statistique qui estime le nombre de ressources radio nécessaires en fonction du délai d’accès toléré, de la densité des nœuds actifs, des collecteurs et de la configuration de l’antenne. Pour le réseau LoRa, nous proposons une technique d’allocation de plusieurs sous-bandes pour atténuer le niveau élevé d’interférence induit par les nœuds qui transmettent avec le même facteur d’étalement. Pour allouer dynamiquement le facteur d’étalement et la puissance, nous présentons une approche d’apprentissage automatique avec multi-agents qui permet d’améliorer l’efficacité énergétique.