Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

9 novembre 2017

Thèse CIFRE : Conception d'un système de géolocalisation temps réel basé sur la réception de signaux de sources rayonnantes (WiFi) par un réseau de capteurs


Catégorie : Doctorant


Thèse CIFRE

EXPLAIN / ENSICAEN

Conception d'un système de géolocalisation temps réel basé sur la réception de signaux de sources rayonnantes (WiFi) par un réseau de capteurs

 

Contexte industriel de la recherche

EXPLAIN est une Jeune Entreprise Innovante fondée en 2014 qui développe des solutions pour mesurer et prévoir les déplacements. Notre travail s’adresse à l’Etat, aux collectivités territoriales, et aux exploitants de réseaux de transport et vise à améliorer l’efficacité du système de transport. Notre équipe pluridisciplinaire couvre de nombreuses compétences : modélisation des transports, analyses socio-économiques, microsimulation, ingénierie de la circulation, planification générale des transports etc.

Dans le cadre de ses projets, EXPLAIN a fréquemment recours à de nombreuses sources de données dont la qualité conditionne grandement la précision des analyses et des prévisions qui sont réalisées. Or les méthodes traditionnelles d’obtention des données par le biais d’enquêtes, demande l’investissement de ressources matérielles et humaines qui en limitent la fréquence et l’étendue. A titre d’exemple, chaque ligne de bus du réseau parisien RATP est enquêtée un jour complet tous les quatre ans. Ces faibles fréquences d’observation empêchent souvent de saisir toute la saisonnalité de la demande et toutes l’intensité des mutations qui touchent la mobilité des personnes. Face aux nouveaux enjeux d’optimisation des réseaux de transport dans un contexte de raréfaction de l’argent public, il est donc nécessaire de renouveler les méthodes de connaissance des déplacements pour pouvoir les observer plus souvent, plus longtemps et à moindre coût.

Fort de ce constat, EXPLAIN a développé une solution qui s’appuie sur le recueil de traces électromagnétiques afin d’en déduire des statistiques sur les déplacements. Depuis 2015, la société met au point une solution, baptisée Laflowbox, basée sur un capteur de signaux Wifi et Bluetooth capable d’observer et quantifier des phénomènes de mobilité. Plusieurs cas d’application ont été mis en œuvre notamment l’observation de matrices origines-déplacements dans des lignes de transport en commun, l’observation de la structure des flux autour de places urbaines ou de carrefours de grandes dimensions, la mesure de temps de parcours, l’observation de la structure des flux sur une rocade autoroutière urbaine, la mesure de temps d’évacuation de quais en gare, etc.

Toutes ces applications ne nécessitent que la détection de la présence des objets dans l’environnement du capteur sans avoir besoin de le localiser précisément. Or d’autres applications seraient encore possibles si l’on était en mesure de positionner précisément la source. Par exemple la mesure de densités de présence des usagers sur les quais permettrait de mettre en place des stratégies pour un meilleur remplissage des trains, une réduction du temps d’échange quai/véhicule, une amélioration de la sécurité des usagers sur les quais etc. La mesure des densités de présence dans les différents espaces d’un pôle multimodal permettrait de concevoir des aménagements qui optimisent l’utilisation de l’espace et le confort des usagers. Le positionnement précis des objets émetteurs permettrait également de distinguer les flux de piétons circulant sur les trottoirs des flux de vélos circulant sur pistes dédiées, des flux de voitures circulant sur la voirie. Les solutions actuelles développées par EXPLAIN ne permettent pas de distinguer entre ces différents flux car nous ne sommes pas en mesure d’identifier si l’objet est situé sur le trottoir ou sur la chaussée.

Jusqu’à présent EXPLAIN a exploré plusieurs méthodes de localisation de la source par un réseau de capteurs reposant toutes sur le concept de trilatération sur la base de l’atténuation perçue du signal reçu (RSSI ou Received Signal Strengh Indication). Que ce soit via des approches déterministes de modèle d’atténuation ou des approches statistiques de machine learning, les résultats n’ont pas eu la précision nécessaire à leur application dans des cas d’usages réels. Ceci explique pourquoi EXPLAIN cherche à mettre sur pieds un projet de recherche sur la localisation d’une source par un réseau de capteurs avec l’ENSI Caen dont le savoir-faire en la matière est reconnu.

Contexte de la recherche

Ce projet de recherche porte sur la géolocalisation de sources rayonnantes, principalement des sources WiFi, dans le cadre du traitement du signal multi-capteurs ou traitement d'antenne. Il s'agit ainsi d'estimer la position de sources émettrices à partir des signaux reçus sur un réseau de capteurs. L'objectif est de mieux exploiter ces signaux issus de mobiles WiFi, pour concevoir des algorithmes de localisation de haute résolution estimant, d'une manière plus précise, la position des sources émettrices.

Grâce à sa simplicité et à son faible coût, la géolocalisation par la méthode RSSI (RSSI pour Received Signal Strength Indication) est souvent utilisée. Cette technique ne nécessite qu'un seul récepteur mono-capteur. Or, pour exploiter la diversité spatiale avec l'utilisation d'un réseau de capteurs, d'autres techniques existent qui sont basées sur l'estimation de l'angle d'arrivée, du temps d'arrivée ou de la fréquence d'arrivée (effet Doppler) d'un signal incident sur ce réseau de capteurs.

Cependant dans un environnement dense, urbain ou à l'intérieur/extérieur des bâtiments, l'utilisation unique d'une de ces techniques induit beaucoup d'incertitudes principalement en raison de la présence de multi-trajets : réflexion, diffraction ou réfraction des ondes sur des obstacles. La position estimée est, par conséquent, très peu précise. Ces multi-trajets sont causés par les canaux de propagation, qui interfèrent entre eux et perturbent, ainsi, la puissance du signal reçu sur le réseau de capteurs. Par ailleurs, dans un milieu urbain, une estimation consistante des temps d'arrivée est difficile à obtenir en raison de la faible distance entre les sources et le réseau de capteurs.

Pour pallier à ces problèmes, nous proposons dans ce projet d'étudier l'intérêt d'une approche de type fusion de données pour l'exploitation simultanée de plusieurs paramètres tels que l'angle d'arrivée, la différence des temps d'arrivée, la technique RSSI, etc. afin de réaliser une géolocalisation passive. Un travail de modélisation des canaux de transmission en fonction de l’environnement sera en outre mené pour améliorer la précision du positionnement.

Objectifs scientifiques

Le sujet proposé s'inscrit dans la thématique du traitement d'antenne et des méthodes à haute résolution de type MUSIC [1], ESPRIT, Propagateur, ... En effet, depuis une trentaine d'années, de très nombreux travaux ont conduit au développement de méthodes à haute résolution dans le cadre des réseaux de capteurs uniformément répartis (ULA) et pour des sources de type signaux bande étroite. Le laboratoire d'Automatique de Caen (LAC) a développé des algorithmes de localisation des directions d'arrivée de signaux bande étroite, à faible charge de calcul, basés sur le Propagateur et en présence de bruit coloré.

Les hypothèses de signaux bande étroite et d'antenne ULA ont un intérêt théorique puisqu'elles permettent de mettre en évidence assez facilement les comportements de ces algorithmes. En pratique, leur intérêt reste cependant limité. En effet, considérant un mélange linéaire de sources et un réseau de capteurs équidistants (ULA), la réponse de ce réseau pour chaque source est linéaire par rapport aux signaux reçus. En pratique, cette condition est plus difficile à satisfaire. Physiquement, l'hypothèse bande étroite est vérifiée lorsque la largeur de bande fréquentielle du signal émis est petite devant l'inverse du temps mis par l'onde pour se propager du capteur de référence aux autres capteurs.

Dans le cas d'une géométrie de capteurs quelconque, l'effet du retard ne peut pas être assimilé à un simple déphasage. Le modèle de réception du signal n'est plus linéaire par rapport aux signaux reçus et on parle de signaux large bande. Le traitement d'antenne large bande se base, principalement, sur deux types de traitement : incohérents et cohérents. [2, 3, 4, 5, 6].

Des extensions des méthodes bande étroite, avec toutes les incertitudes liées à ces transpositions, ont été proposées pour le cas large bande. On parle, dans ce cas, de traitement incohérent. Par contre le traitement cohérent est basé sur une discrétisation de la bande fréquentielle et la focalisation des informations contenues dans ces fréquences vers la fréquence centrale de la bande, ce qui nous amène au cas bande étroite. Cependant, à l'heure actuelle, il n'existe pas de méthodes de haute résolution spécifiquement large bande. Nous proposons, donc, le développement de méthodes de localisation de sources large bande pour des structures d'antennes quelconques. Il s'agira en particulier d'étudier et de développer des méthodes à haute résolution pour l'estimation de certains paramètres en occurrence l'angle d'arrivée (DOA) et la différence des temps d'arrivée (TDOA), pour la géolocalisation des sources WiFi dans un environnement dense [8, 9, 10]. Les performances et la sensibilité des estimations aux variations de géométrie du réseau de capteurs seront étudiées.

Un autre obstacle à une localisation précise est le canal de transmission [7]. En effet, dans une chaîne de localisation [Émetteur / Canal / Récepteur], c'est le canal de transmission qui est, en partie, à l'origine d'une estimation erronée des paramètres de localisation, en l’occurrence l'angle d'arrivée, le temps d'arrivée et la puissance reçue. Nous proposons dans ce projet de modéliser ce canal en fonction de l'environnement de transmission. En effet, une égalisation des effets du canal et une localisation ne peuvent pas s'effectuer simultanément en raison des contraintes de traitement en temps-réel. Par conséquent, avoir un modèle du canal, pour chaque type d'environnement (urbain, rural, dense, à l'intérieur/extérieur des bâtiments, et.) permet de corriger ses distorsions. Nous pouvons, dans des environnements de type intérieur des bâtiments, nous baser sur le projet BRAN (Broadband Radio A access Network), qui normalise les réseaux radio à haut débit (autour de 25 Mbits/s) et qui décrit cinq modèles de canaux très sélectifs en fréquence : BRAN A, B, C, D, E.

Une optimisation des charges du calcul de ces algorithmes sera nécessaire pour une implémentation temps-réel.

Mot-clés : Traitement d'antenne large bande, Géolocalisation, direction d'arrivée (DOA), différence des temps d'arrivée (TDOA), RSSI.

Références

[1] R. Schmidt, Multiple emitter location and signal parameters estimation, IEEE Trans. Antennas and propagation, vol. AP-34, pp. 276-280, Mar. 1986.

[2] H. Hung and M. Kaveh, Focusing matrices for coherent signal-subspace processing, IEEE Trans. ASSP, vol. 36, pp. 1272-1281, Aug. 1988.

[3] S. Valaee and P. Kabal, Wideband array processing using a two-sided correlation transformation, IEEE transactions on signal Processing, vol. 43, Jan. 1995.

[4] L. Lu and H. Wu, Novel Robust Direction-of-Arrival-Based Source Localization Algorithm for Wideband Signals, IEEE Transactions on Wireless Communications, vol. 11, no. 11, pp. 3850-3859, Nov. 2012.

[5] Z. Liu, Z. Huang, and Y. Zhou, Direction-of-Arrival Estimation of Wideband Signals via Covariance Matrix Sparse Representation, IEEE Transactions on Signal Processing, vol. 59, no. 9, pp. 4256-4270, Sep. 2011.

[6] E. Di Claudio and G. Jacovitti, Wideband source localization by space-time MUSIC subspace estimation, in 8th International Symposium on Image and Signal Processing and Analysis (ISPA), Sep. 2013, pp. 331#336.

[7] T. Rappaport, Wireless Communications : Principles and Pratice. Prentice Hall, NJ, 1996.

[8] M. Frikel and V. Barroso, Mobile Positioning : Angle of Arrival Estimation, in Proceedings IT-ConfTel'2003, Aveiro, Portugal, Jun. 2003, pp. 235-238.

[9] Y. Khmou, S. Safi, and M. Frikel, Exponential Operator for Bearing Estimation, International Journal of Advanced Science and Technology, DOI : 10.14257/ijast.2015.74.01, no. 1, 25, 2015.

[10] Y. Khmou, S. Safi, and M. Frikel, Numerical Example of Aperiodic Diraction Grating, International Journal of Advanced Science and Technology, 2017.

Contacts

MM. O. GEHAN, M. FRIKEL : [ogehan, mfrikel@ensicaen.fr]

Merci d'envoyer votre CV + Références.

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2018.