Composition et structure de la base de données

Cette section est consacrée à la description de la structure d’une partie de notre base de données. Les parties permettant d’initialiser, paramétrer et valider la plateforme expérimen-tale ne sont pas présentées. De même, les données permettant de mesurer les SNRmin et les CIRminne seront pas non plus intégrées dans la base de données présentée ici. Seules les don-nées utilisées pour le processus d’analyse, d’apprentissage et de validation de nos algorithmes sont présentées.

Non perturbé Mobilité _{Interférence co-canal} Interférence canal adjacent SNRmin+3[dB] _{SNRmin+15[dB]} SNRmin+30[dB] 4k

4k 4k Sigfox LoRa 4k 182 SNRmin 102 Mobilité sur le trajet Direct 106

a=0,1166 a=0,1173 a=0,1127 a=0,1172 a=0,1180

SNRmin+3[dB]

321

a=0,2177 a=0,2173 a=0,2164 a=0,2185 a=0,2180

a=0,3177 a=0,3173 a=0,3169 a=0,3185 a=0,3180

a=0,4178 a=0,4174 a=0,4172 a=0,4185 a=0,4201

SNRmin+15[dB]

346 Mobilité sur le trajet Indirect

106

a=0,5178 a=0,5174 a=0,5172 a=0,5185 a=0,5201

a=0,6178 a=0,6171 a=0,6172 a=0,6185 a=0,6201

a=0,7178 a=0,7173 a=0,7173 a=0,7185 a=0,7201

SNRmin+30[dB]

371

a=0,8178 a=0,8173 a=0,8173 a=0,8185 a=0,8201

a=0,9178 a=0,9173 a=0,9173 a=0,9188 a=0,9201

a=1,0124 a=1,0166 a=1,083 a=1,0144 a=1,0170

3.4. La constitution de la base de données 57

La structuration de la base de données est illustrée par le tableau 3.2. Il indique en rouge le nombre de trames collectées dans différentes situations de canal. Le tableau est organisé en quatre grandes colonnes. Elles correspondent aux quatre labels suivants : non perturbé, mobilité, interférence en co-canal et interférence dans le canal adjacent. Elles sont structurées de la manière suivante :

— Colonne « non perturbée » : les trames sont regroupées en fonction des niveaux de SNR à savoir de SNRmin à SNRmin+30 dB. Cette colonne contient donc toutes les trames collectées avec un canal de communication sans perturbations intentionnelles.

— Colonne « mobilité » : les trames sont collectées avec des perturbations provoquées par la présence de mobilité d’objet et pédestre. On distingue deux cas de perturbations par mobilités : mobilités présentes sur les trajets directs et indirects.

— Colonne « interférence co-canal » : les trames sont collectées quand le canal est perturbé par l’émission d’une source d’interférence intentionnelle en co-canal. Dans cette troi-sième colonne, les trames sont regroupées en trois niveaux de SNR de SNRmin+3 dB jusqu’à SNRmin+15 dB. Pour chaque niveau de SNR, le type du signal perturbateur est indiqué à savoir 4k (IEEE 802.15.4k), Sigfox et LoRa. Puis à l’intérieur de chaque colonne correspondant à chaque type d’interférence les trames sont rassemblés en fonction des niveaux d’interférence, c’est-à-dire de a = 0, 1 à a = 1.

— Colonne « interférence canal adjacent » : les trames sont collectées avec une source d’interférence de type IEEE 802.15.4k émise dans le canal adjacent avec un espace de 100kHz entre les deux fréquences porteuse, [7].

Cette base de données contient au total 10080 trames dont 1140 trames ayant le label non perturbé, 212 trames mobilité et 8728 trames interférence. Dans la suite de ce document, afin d’alléger la notation, les trames de type non perturbé seront notées N, mobilité M et les trames interférence I. Pour construire la base d’apprentissage et la base de validation, chaque cellule du tableau 3.2 est scindées en deux parties à l’aide d’un tirage aléatoire. La première partie va dans la base d’apprentissage et la deuxième est destinée à la base de validation. La répartition des trames dans les deux bases (apprentissage et validation) est donnée par le tableau 3.3.

base d’apprentissage base de validation

non perturbé 570 570

mobilité 106 106

interférence 4364 4364

Total 5040 5040

3.5 Conclusion du chapitre

Dans ce chapitre, nous avons présenté le développement de plusieurs radios logicielles sur la plateforme RIESCO afin de mettre en place une plateforme expérimentale dont le but est de produire une base de données réelles et représentative des états de canal de communication que peut rencontrer une radio LPWA. Trois émetteurs ont été développés pour émettre des signaux de type IEEE 802.15.4k, LoRa et Sigfox ainsi qu’un récepteur IEEE 802.15.4k. Le développement a consisté à programmer les différentes chaînes de traitement en bande de base d’émission et de réception sous MATLAB et puis à les implémenter sur les USRP de la plateforme. Pour le développement de cette plateforme expérimentale, nous nous sommes basés sur les documentations des USRP, et les standards en question. La radio IEEE 802.15.4k créée a été validée par simulation et expérimentalement.

À l’aide de cette plateforme expérimentale, nous avons collecté des trames dans des condi-tions de propagation diversifiées et contrôlées. Une base de données représentative des phé-nomènes perturbateurs du canal de communication qui nous intéressent a pu être créée. Les configurations de chaque expérimentation permettent de garantir la présence de perturba-tions afin d’avoir une vérité de terrain fiable pour la labellisation. Cette base de données est la première base créée contenant des trames de communication avec des perturbations réelles destinées à faire de la reconnaissance de canal dans le domaine de l’internet des objets ultra basse consommation. Elle est le fondement de nos futurs algorithmes d’analyse et de recon-naissance du canal. Notons que le développement des radios, la mise en place de la plateforme expérimentale et la collecte des données, indispensables au développement de la méthode, ont demandé un investissement en temps important.

Chapitre 4

Méthodes pour l’estimation de la

nature du canal de communication

Sommaire

4.1 Outils d’analyse de l’état du canal . . . . 60 4.1.1 Rappels sur les traitements numériques en bande de base . . . 60 4.1.2 Trois exemples de trames réelles . . . 63 4.1.3 Signal d’Analyse du Canal : CAS . . . 64 4.1.3.1 Caractéristiques du CAS idéal . . . 64 4.1.3.2 CAS au niveau chip . . . 65 4.1.3.3 CAS au niveau bit . . . 69 4.1.3.4 CAS au niveau du code correcteur d’erreur . . . 76 4.1.3.5 Comparatif des différents CAS proposés . . . 79 4.1.4 Estimation du rapport signal à bruit . . . 84 4.1.4.1 Estimateur basé sur la synchronisation de la radio . . . 84 4.1.4.2 Estimateur basé sur la démodulation . . . 90 4.1.4.3 Bilan sur les estimateurs de SNR basse complexité proposés . . 93 4.1.5 Les indicateurs de l’état du canal : CSI . . . 94 4.1.5.1 Rappel et illustration des trois exemples . . . 94 4.1.5.2 Les indicateurs temporels . . . 96 4.1.5.3 CSI caractérisant la forme de la distribution du CASchip[k] . . 96 4.1.5.4 CSI caractérisant la signature temporelle du CASchip[k] . . . . 102 4.1.5.5 Les indicateurs fréquentiels . . . 106 4.1.5.6 Bilan sur les CSI proposés . . . 108 4.2 Outils utilisés pour la prise de décision . . . 110 4.2.1 Utilisation de la courbe ROC . . . 110 4.2.1.1 Construction d’une courbe ROC . . . 111 4.2.1.2 Les points particuliers de la courbe ROC . . . 112 4.2.1.3 Analyse d’une courbe ROC . . . 112 4.2.2 Arbre de décision . . . 113 4.2.2.1 Le principe d’expansion . . . 113 4.2.2.2 La phase d’élagage . . . 114 4.2.3 Classifieur évolutif . . . 114 4.2.3.1 Principe général . . . 114 4.2.3.2 Classifieur à une classe utilisé . . . 116 4.2.4 Classification des interférences par niveaux de perturbation . . . 117

4.3 Conclusion du chapitre . . . 117

Notre objectif est de reconnaître la nature du canal à partir d’une unique trame de com-munication. Notre hypothèse est que le signal reçu par le récepteur porte les traces des per-turbations qu’il a subies lors de son transit au sein du canal de communication. C’est cette signature particulière que nous allons chercher à identifier et à reconnaître. L’analyse du si-gnal reçu doit permettre d’extraire des informations pertinentes pour alimenter un algorithme de reconnaissance du type et de la qualité du canal. Le but, mentionné dans la partie 2.3, est de pouvoir reconnaître trois types de canal ( non perturbé, mobilité et interférence) ainsi que sa qualité (très favorable, favorable ou non-favorable à la propagation). L’objectif de ce chapitre est de décrire les outils utilisés pour extraire les informations du signal reçu et pour reconnaître le canal.

Dans la première partie du chapitre, plusieurs signaux permettant de faire l’analyse de l’état du canal à partir de l’observation d’une trame sont proposées. Puis deux estimateurs de SNR sont présentés pour évaluer le niveau de bruit affectant le canal de communication. Ensuite, plusieurs indicateurs de l’état du canal extraits des signaux d’analyse sont proposés. La deuxième partie du chapitre est dédiée à la présentation des outils utilisés pour la prise de décision : analyse des performances en détection des différents indicateurs pour la tâche de classification automatique de la nature du canal en trois classes : canal non perturbé (noté N), présence de mobilité (noté M) et présence d’interférences (noté I). Pour illustrer les propos de ce chapitre, trois signaux N, M et I sont choisis dans la base de données pour servir d’exemple.

4.1 Outils d’analyse de l’état du canal

L’impact du canal sur le signal reçu est complexe. Il se traduit par des perturbations obser-vables dans la trame reçue, que nous allons chercher à identifier et à traduire en informations numériques. La complexité et la variabilité de l’effet du canal sur la trame nous ont amenés à choisir une voie d’exploration expérimentale. Nous avons choisi de travailler sur l’analyse de signaux réels recueillis dans des conditions de canal contrôlées, plutôt que sur des signaux simulés, afin d’extraire des indicateurs de la nature du canal réalistes, qui tiennent compte de l’ensemble des phénomènes perturbateurs.