Modélisation et simulation de capteurs électromagnétiques appliquées au domaine automobile pour le prototypage de systèmes d'aide à la conduite. Applications aux radars et systèmes de télécommunications

HAL Id: tel-01466280

https://hal.archives-ouvertes.fr/tel-01466280

Submitted on 13 Feb 2017

HAL is a multi-disciplinary open access

archive for the deposit and dissemination of

sci-entific research documents, whether they are

pub-lished or not. The documents may come from

teaching and research institutions in France or

abroad, or from public or private research centers.

L’archive ouverte pluridisciplinaire HAL, est

destinée au dépôt et à la diffusion de documents

scientifiques de niveau recherche, publiés ou non,

émanant des établissements d’enseignement et de

recherche français ou étrangers, des laboratoires

publics ou privés.

pour le prototypage de systèmes d’aide à la conduite.

Applications aux radars et systèmes de

télécommunications

Steve Pechberti

To cite this version:

Steve Pechberti. Modélisation et simulation de capteurs électromagnétiques appliquées au domaine

automobile pour le prototypage de systèmes d’aide à la conduite. Applications aux radars et systèmes

de télécommunications. Automatique / Robotique. Université Evry-Val d’Essonne, 2013. Français.

�tel-01466280�

Sciences et Ingénierie ED 511

Laboratoire IBISC - UEVE

Laboratoire LIVIC - dept. COSYS - IFSTTAR

NNT:

Thèse

présentée et soutenue publiquement le 27 Novembre 2013

pour l’obtention du grade de

Docteur de l’ Université Evry - Val d’Essonne

Spécialité

« Robotique »

par

Steve Pechberti

Modélisation et simulation de

cap-teurs électromagnétiques appliquées

au domaine automobile pour le proto

-typage de systèmes d

’aide à la conduite

Applications aux radars et systèmes de télécommunications

Composition du jury

Rapporteur:

Marion Berbineau

DR, IFSTTAR, France

Rapporteur:

Dieter Willersinn

Professeur, IOSB, Allemagne

Examinateur:

Florence Sagnard

CR, IFSTTAR, France

Examinateur:

Jean-Yves Didier

MCU, Université d’Evry, France

Encadrant:

Dominique Gruyer CR, IFSTTAR, France

Applications aux radars et systèmes de télécommunications

R

ésumé

Cette thèse propose un modèle de capteur électromagnétique générique pour la simulation de scènes routières dans le cadre de la mise en oeuvre de nouveaux systèmes d’aide à la conduite pour le trans-port terrestre. L’une des contraintes majeures de cette problématique concerne les temps de traitements disponibles dans un tel contexte. Pour obtenir ou approcher d’un fonctionnement temps réel, plusieurs méthodes de résolution utilisant les capacités de l’architecture centrale (CPU) et les capacités program-mables des cartes graphiques (GPU) sont mises en oeuvres. Un bus de partage est également défini afin de pouvoir répartir les traitements relatifs aux modèles présents dans la scène virtuelle sur un ensemble de poste de travail. La simulation de la propagation des ondes électromagnétiques est abor-dée en fonction des situations étudiées et du niveau de granularité souhaité. En général, ce niveau de représentation est directement lié aux bruits associés à l’environnement. Les modélisations de ce canal mettent donc en oeuvre plusieurs représentations du phénomène de propagation des ondes électro-magnétiques et de leurs interactions avec l’environnement. Cet environnement dispose également de plusieurs niveaux de modélisations. Cette modélisation générique a permis de développer deux types de capteurs spécifiques utilisés dans le domaine automobile: le capteur de type RADAR et les systèmes de télécommunications.

Un modèle complet de radar reposant sur cette modélisation générique est mis en oeuvre et des pre-miers résultats encourageant sont présentés. Cette simulation d’un RADAR automobile s’appuie sur plusieurs solutions techniques utilisés aujourd’hui dans les RADARs embarqués.

Cette modélisation intègre toutes les parties d’un capteur RADAR réel, c’est à dire l’ensemble de tous ses composants matériels et de ses modules logiciels. Pour la seconde modélisation concernant les systèmes de télécommunications, une première architecture fonctionnelle est proposée (émetteur, ré-cepteur, canal de propagation). Des perspectives sont également proposées pour aboutir à la définition d’un routeur virtuel.

Toutes ces modélisations physiquement réalistes ont été implantées avec succès dans la plateforme de simulation de véhicules, d’infrastructures et de capteurs du LIVIC (SiVIC).

M

ots-clés

Modélisation, simulation, parallélisation, architecture logicielle, GPGPU, électromagnétisme, radar

T

itle

Modeling and simulation of electromagnetic sensors applied to the automotive domain for advanced driving assistance systems prototyping

Applications to radar and communications systems

A

bstract

This thesis deals with embedded electromagnetic sensor modelling for advanced driving assistance system prototyping. One of the main issue about the problem is the computation time consuming. To get or approach a real-time operation, several methods of resolution based on capabilities of the core architecture (CPU) and graphics card-programmable capabilities (GPU) are implemented. A software solution is also defined in order to distribute the processing relating to the models in the virtual scene on a set of workstation. The simulation of the propagation of electromagnetic waves is discussed in terms of the situations studied and the desired level of granularity. In general, this level of performance is directly related to noise associated with the environment.

This generic model has allowed to develop two specific types of sensors used in the automotive field: the RADAR sensor type and telecommunications system.

A complete model of radar based on our generic model is implemented and the first encouraging re-sults are presented. This simulation of a motor RADAR relies on several technical solutions used today in RADARs shipped. This model incorporates all the parts of a real RADAR sensor, ie the set of all its hardware and its software modules.

For the second model for telecommunication systems, a first functional architecture is proposed (trans-mitter, receiver, propagation channel). Prospects are also proposed to lead to the definition of a virtual router.

All physically realistic models were successfully implemented in the simulation platform vehicles, in-frastructure and sensors LIVIC (SiVIC).

K

eywords

Les travaux de recherche présentés dans ce mémoire ont été réalisés au sein du laboratoire LIVIC (La-boratoire sur les Interactions entre les Véhicules, l’Infrastructure et les Conducteurs) à Versailles et au laboratoire IBISC (Informatique Biologie Intégrative et Systèmes Complexes) à Evry. Ils ont été financés par les projets eMotive et CooPerCom.

Mes premiers remerciements sont bien évidemment adressés à Dominique Gruyer, qui a rendu cette aventure possible en m’accordant sa confiance pendant toutes ces années; et à Vincent Vigneron, tou-jours de bons conseils et à l’écoute de mes préoccupations.

Merci à Vous Deux pour cette expérience!

Merci également aux membres du jury d’avoir bien voulu évaluer mes travaux; à Marion Berbineau et Dieter Willersin en acceptant d’être rapporteurs de cette thèse ainsi qu’à Jean-Yves Didier et Florence Sagnard pour leur participation à la soutenance. Je leur en suis très reconnaissant.

Et parce que ces années (et les précédentes) au sein du LIVIC ont été une expérience exceptionnelle, un grand merci à toute l’équipe pour ces moments, Guillaume Saint Pierre, Aurélien Cord, Joëlle Besnier, Marc Revilloud, Jérôme Perignon, Marianna Netto, Lydie Nouveliere, Francis Dupin, Jean-Marie Che-vreau, Benoit Lusetti, Mickael Messiah, Rachid Belaroussi, Olivier Orfila, Sébastien Glaser et Jacques Ehrlich. Merci également à tous ceux dont le travail a permi la réalisation de ce manuscrit, et à tous les inconnus qui m’auront prété une oreille au hasard de nos rencontres.

Une mention spéciale pour Patricia SIMON, à qui je souhaite le meilleur.

Et parce que si je ne dis rien à leur propos, ils vont me le reprocher jusqu’à la fin des temps. . .

Maman, Papa, Catherine, et par ordre d’arrivée, Julien, Anne-Laure, Romain et le petit dernier Léo, un grand merci à Vous de me supporter...

Table des matières 1

Table des illustrations 3

Table des tableaux 7

I Introduction 9

A

Capteurs Electromagnétiques:

Un Modèle Générique

17

II Un modèle de capteur électromagnétique générique 23

1 Le modèle matériel . . . 25

1.1 Le modèle d’un composant électronique fonctionnel . . . 26

1.2 Le modèle complet d’un capteur électromagnétique générique . . . 28

1.3 Le traitement du signal électrique . . . 32

1.4 Du modèle capteur au modèle de propagation. . . 32

2 Les modèles de propagation. . . 32

2.1 Les représentations de l’information . . . 34

2.2 Les représentations de l’antenne . . . 39

2.3 Les représentations du monde . . . 41

2.4 Les représentations des interactions . . . 45

2.5 Les modèles complets . . . 48

III Une solution répartie: le calcul parallèle 51 1 Architecture logicielle des modèles: le capteur . . . 56

1.1 Le composant électronique fonctionnel logiciel . . . 56

1.2 Le traitement du signal "électrique" . . . 59

1.3 Intégration des différentes méthodes de résolutions au modèle . . . 67

2 Architecture logicielle des modèles: la propagation . . . 73

2.1 Le trajet d’onde . . . 73

2.2 Les modèles de propagations . . . 74

3 Architecture matérielle: le cloud computing . . . 89

3.1 Identification des besoins . . . 89

3.2 Le connector. . . 90

3.3 Les stratégies de communications . . . 90

3.4 Le bus logiciel. . . 92

3.5 Résultats . . . 95

B

Applications pour le domaine automobile

99

1.2 Un domaine d’étude discret. . . 107

2 Les technologies radar intégrées au modèles . . . 107

2.1 Le radar pulsé (PULSE) . . . 107

2.2 Le radar doppler à ondes continues (CW) . . . 110

2.3 Le radar doppler à plusieurs canaux (FSK) . . . 115

2.4 Le radar doppler à ondes modulées linéairement (FMCW). . . 119

2.5 Autres types de radars. . . 127

3 Le balayage de l’antenne . . . 128

3.1 Le balayage mécanique . . . 128

3.2 Le balayage électronique . . . 129

3.3 Le balayage monopule . . . 130

4 Le suivi de cibles . . . 130

V Le modèle du capteur de télécommunications 133 1 La modélisation des protocoles: le simulateur NS3. . . 134

2 Interfaçage des plateformes de simulations . . . 136

3 Exploitation des résultats . . . 141

3.1 Les solutions testées . . . 142

3.2 Les solutions envisagées . . . 143

VI Conclusion 145

Publications associées 155

I.1 Evolution de l’accidentologie en France de 1953 à 2011 . . . 9

I.2 Evolution du nombre de tués sur les routes et du trafic motorisé en France de 1953 à 2011 10 I.3 Instauration de nouvelles règles dans le code de la route depuis 1972 . . . 10

I.4 Coût pour la société française des accidents de la routes par catégorie en 2011 . . . 11

I.5 Coût global des accidents de la routes pour la société française en 2011 . . . 11

I.6 Définition de systèmes d’aides à la conduite (source: Continental, Passive Safety & ADAS, Chassis & Safety Advanced Driver Assistance Systems) . . . 12

I.7 Plateforme de réalité virtuelle pour la simulation de capteurs équippant les véhicules (SiVIC) . . . 13

I.8 Vision simplifiée d’un capteur électromagnétique . . . 21

I.9 Nature de l’information manipulée à travers un capteur électromagnétique . . . 22

II.1 Définition d’un modèle. . . 23

II.2 Représentation d’un modèle en programmation orientée objet . . . 23

II.3 Le modèle standard. . . 24

II.4 Représentation d’un composant électronique fonctionnel comme un quadripôle . . . 26

II.5 Différents modèles de bruits représentés sous forme spectrale . . . 28

II.6 Composants associés à un capteur électromagnétique générique (Modèle complet). . . . 29

II.7 Composant électronique fonctionnel équivalent . . . 31

II.8 Du modèle électronique au modèle électromagnétique . . . 33

II.9 Modèle du paquet de photon . . . 35

II.10 Modèle du dipôle vibrant: l’onde électromagnétique . . . 36

II.11 Caractérisation du modèle de rayon pour une représentation discrète . . . 38

II.12 Caractérisation du modèle de faisceau pour une représentation continue . . . 38

II.13 Diagramme d’antenne: en fonction de l’angle d’azimuth (α) et d’altitude (θ) de l’émis-sion, le gain dans la direction concernée varie . . . 40

II.14 Surface d’antenne apparente: celle-ci est toujours orientée perpendiculairement à la di-rection de propagation de l’onde étudiée . . . 40

II.15 Surface équivalente radar monostatique: la réponse de l’objet n’est définie que pour la direction d’illumination . . . 42

II.16 Surface équivalente radar bi-statique: pour chaque angle d’observation et chaque direc-tion d’observadirec-tion, une réponse de l’objet est définie . . . 43

II.17 SER bistatique: l’objet est illuminé selon un certaine angle (antenne en rouge), les points blancs caractérisent l’intensité de la réponse suivant l’angle d’observation, la SER est située au centre de l’essieu arrière . . . 43

II.18 Représentation des interactions à l’interface de deux milieux . . . 46

III.1 Principe mis en oeuvre pour l’accès aux fonctionnalités avancées du système . . . 53

III.2 Représentation des traitements associés à un modèle de composant électronique . . . 55

III.3 Diagramme UML du modèle matériel: partie composant électrique . . . 57

III.4 Diagramme UML du modèle matériel: partie sélection de la technologie . . . 58

III.5 Représentation des traitements associés à un modèle de composant électronique autre que l’antenne . . . 59

III.6 Manipulation mémoire associé au traitement III.5 . . . 60

III.8 Parallélisation du parcours des composantes sur le microprocesseur central . . . 61

III.9 Parallélisation du parcours des composantes sur la carte graphique. . . 62

III.10Opérateur de réceptionΣRX: contrairement aux autres simulateurs rencontrés, le modèle présenté ici est en mesure de reconstruire le signal recu à partir d’un grand nombre d’échos (m>10000) . . . 63

III.11Représentation des traitements associés à l’antenne et à la reconstruction du signal reçu 64 III.12Représentation du traitement associé à la construction du signal recu . . . 65

III.13Parallélisation de l’opérateurΣRX sur le microprocesseur central . . . 65

III.14Parallélisation de l’opérateurΣRX sur la carte graphique . . . 66

III.15Evolution du temps de calcul en fonction du paramètre (Block,Grid) . . . 69

III.16Tests réalisés dont le temps de traitements est inférieur à 20 ms . . . 70

III.17Tests réalisés dont le temps de traitements est inférieur à 40 ms . . . 71

III.18Tests réalisés dont le temps de traitements est inférieur à 1 s . . . 71

III.19Evolution du nombre de coeurs embarqués dans les microprocesseurs centraux et les cartes graphiques . . . 72

III.20Représentation d’un système multi-agent . . . 74

III.21Diagramme UML du modèle de propagation eMotive . . . 76

III.22Principe de la propagation électromagnétique mis en oeuvre dans le modèle "aéronautique" 76 III.23Lancer de rayons entre l’antenne et les SER caractérisant les objets . . . 77

III.24Préparation des buffers de données pour le transfert de l’information sur la carte graphique 78 III.25Principe de la propagation électromagnétique mis en oeuvre dans le modèle "aéronautique" 79 III.26Diagramme UML du modèle de propagation CUDA . . . 81

III.27Paramètre du test de l’orientation des faces. . . 82

III.28Détermination des sous-faisceaux d’intersection. . . 82

III.29Intersection possible entre un faisceau et une facette (coupe 2D): de gauche à droite, l’intersection représente: aucun faisceau, un faisceau, deux faisceaux, trois faisceaux, six faisceaux.. . . 83

III.30Interprétation d’un pixel dans le modèle caméra-antenne (shaders) . . . 84

III.31Illustration du stockage des informations pour les shaders . . . 84

III.32Résultats du lancer de rayon en espace image sur des formes simples (Shader) . . . 85

III.33Résultats du lancer de rayon en espace image sur une scène autoroutière (Shader) . . . . 85

III.34Plateforme complète de prototypage s’exécutant sur un seul poste: la plateforme SiVIC, les modèles et la plateforme de prototypage d’ADAS . . . 86

III.35Plateforme complète de prototypage s’exécutant sur deux postes: à gauche, la plateforme SiVIC et les modèles, à droite la plateforme de prototypage d’ADAS . . . 87

III.36Définition des temps de traitements séquentiel et parallèle . . . 88

III.37Plateforme virtuelle s’exécutant sur trois postes . . . 88

III.38Mise à jour et récupération d’informations relatives aux propriétés des objets virtuels sur le bus de partage . . . 90

III.39Principe de la sérialisation/désérialisation: en haut, l’objet à sérialiser, au milieu, l’objet sérialisé, en bas, un objet reconstruit à partir des données de l’objet sérialisé . . . 91

III.40Mise à jour de la trame de sortie d’un capteur sur le bus de partage et envoie aux clients connectés . . . 92

III.41Architecture générale du serveur d’écoute . . . 93

III.42Organisation du partage de ressources. . . 93

III.43Organisation du partage de sorties capteur . . . 94

III.44l’interface IRessource . . . 95

III.45l’interface ISensor . . . 95

III.46Fréquences d’interrogation maximum observable du bus de partage en fonction de la quantité d’information partagée . . . 96

IV.1 Différentes configurations de radar équippants les véhicules . . . 105

IV.2 Domaine effectif d’un radar . . . 107

IV.3 Principe d’émission d’un radar pulsé . . . 108

IV.4 Représentation d’un signal pulsé et de son écho . . . 108

IV.5 Mise en oeuvre du modèle de capteur radar de type PULSE . . . 109

IV.7 Principe d’émission d’un radar à onde continue . . . 111

IV.8 Définition d’un signal continu. . . 111

IV.9 Extraction d’information d’un écho de signal continu . . . 112

IV.10 Etude du spectre d’un écho de signal réel continu . . . 113

IV.11 Etude du spectre d’un écho de signal complexe continu . . . 113

IV.12 Signaux manipulés par le modèle CW . . . 114

IV.13 Détermination de la vitesse d’une cible par un radar CW . . . 115

IV.14 Définition d’un signal FSK à 2 paliers . . . 116

IV.15 Extraction d’information d’un echo de signal FSK à 2 paliers . . . 116

IV.16 Etude du spectre d’un écho de signal FSK. . . 117

IV.17 Evolution de la vitesse et de la distance d’une cible par un radar FSK . . . 118

IV.18 Simulation d’un radar FSK . . . 119

IV.19 Définition d’un signal modulé linéairement en ’dent de scie’. . . 120

IV.20 Extraction d’information d’un echo de signal modulé linéairement en ’dent de scie’ . . . 121

IV.21 Etude du spectre d’un écho de signal en dent de scie, étude unidimensionnelle. . . 121

IV.22 Principe d’extraction des informations unidimensionnel d’un signal modulé linéaire-ment en ’dent de scie’ . . . 122

IV.23 Etude du spectre d’un echo de signal en dent de scie, étude unidimensionnelle. . . 123

IV.24 Etude du spectre d’un écho de signal en dent de scie, étude bi-dimensionnelle . . . 124

IV.25 Extraction d’information d’un écho de signal en dent de scie . . . 125

IV.26 Définition d’un signal modulé linéairement en ’triangle’ . . . 126

IV.27 Extraction d’information d’un echo de signal modulé linéairement en ’triangle’ . . . 126

IV.28 Principe d’extraction des fréquences de battement pour une modulation ’triangulaire’. . 127

IV.29 Extraction d’information d’un echo de signal triangulaire . . . 128

IV.30 Principe de l’antenne à balayage mécanique . . . 129

IV.31 Principe de l’antenne à balayage électrique . . . 129

IV.32 Principe de l’antenne à balayage monopulse . . . 130

IV.33 Principe de suivi de cible . . . 131

V.1 Modélisation du monde dans NS3 . . . 135

V.2 Echange d’information entre SiVIC et NS3 . . . 136

V.3 (UML) Héritage de la classe sivic::PropagationDelayModel. . . 138

V.4 (UML) Héritage de la classe sivic::PropagationLossModel . . . 139

V.5 (UML) Héritage de la classe sivic::MobilityModel . . . 140

V.6 (UML) Héritage de la classe sivic::Synchronizer . . . 141

V.7 Mise en oeuvre du capteur télécom . . . 142

V.8 Plateforme de prototypage de capteur intégrant un router NS3 . . . 144

II.1 Les interactions électromagnétiques du modèle standard . . . 34

II.2 Représentation de la polarisation suivant le formalisme de Jones . . . 37

II.3 Représentation des polariseurs suivant le formalisme de Jones. . . 46

III.1 Définition des plateformes matérielles utilisées pour la mise en oeuvre de ces modèles . 51 III.2 Définition des mots clés CUDA pour la caractérisation du domaine d’application de la fonction. . . 68

III.3 Définition sous formes de SMA des différents modèle de propagations . . . 75

III.4 Données nécessaires au modèle CUDA . . . 79

III.5 Données nécessaires au modèle Shaders . . . 84

III.6 Type de connexion disponibles dans le bus de partage défini . . . 90

IV.1 Paramètres remarquables pour le radar pulsé. . . 109

IV.2 Paramètres remarquables pour le radar doppler à ondes continues . . . 114

IV.3 Paramètres remarquables pour le radar doppler à plusieurs ondes continues . . . 118

IV.4 Paramètres remarquables pour le radar doppler à modulation linéaire . . . 125

I.

Introduction

E

Figure I.1 – Evolution de l’accidentologie en France de 1953 à 2011

Mais ce simple chiffre ne suffit pas à caractériser précisément le phénomène. Deux facteurs se com-binent dans ces résultats, car si le nombre de morts annuelles présente un intérêt certain pour la société, il reflète mal l’évolution de l’accidentologie en France. A mesure que le nombre de mort diminuait, le nombre d’usagers lui augmentait (figureI.2). Il apparaît sur la période précédent 1972, que le nombre de morts progresse proportionnellement au trafic motorisé sur les routes.

La tendance est donc beaucoup plus significative qu’elle n’y parait, et elle n’est pas due au hasard. L’année 1972 marque un tournant dans la gestion des transports par les pouvoirs publics. Le 5 Juillet, un décret instituant un comité interministériel de la sécurité routière et créant le poste de délégué interministériel à la sécurité routière est publié. Il sera suivi par une série de mesures durant les années qui suivront (figureI.3).

Ces mesures, comme le port obligatoire de la ceinture de sécurité (juillet 1973) et l’abaissement du taux réglementaire d’alcool dans le sang, améliorent très certainement les conditions de sécurité pour le transport routier. elles ne suffisent cependant pas à expliquer le phénomène.

D’autres facteurs n’apparaissant pas sur cette étude et ayant pourtant un rôle significatif sur ces chiffres ont particulièrement contribués à cette amélioration de la situation.

Figure I.2 – Evolution du nombre de tués sur les routes et du trafic motorisé en France de 1953 à 2011

Figure I.3 – Instauration de nouvelles règles dans le code de la route depuis 1972

L’amélioration constante des équipements de sécurité (système de freinage, adhérence des pneuma-tiques, diminution du risque d’éclatement, . . . ) et de l’infrastructure (conception des routes, revêtement des surfaces, signalisation) ont grandement participés à prendre en charge la montée du trafic tout en offrant un niveau de sécurité et de confort accru pour les conducteurs.

L’intérêt porté à l’accidentologie, outre le côté humain et la préservation de la vie de nos concitoyens, porte également sur le coût matériel représenté par ces accidents pour la société française. Celui-ci est estimé à 23 milliards d’euros pour l’année 2011 (figureI.5), dont près de la moitié relatif aux blessures corporelles et aux tués.

Les systèmes énumérés précédemment, n’ont cependant pas vocation à empêcher l’accident, ils per-mettent simplement de diminuer le risque et la sévérité.

Figure I.4 – Coût pour la société française des accidents de la routes par catégorie en 2011

Figure I.5 – Coût global des accidents de la routes pour la société française en 2011

Les chercheurs et les constructeurs automobiles ont alors envisagé de nouveaux systèmes avec un rôle plus significatif sur la conduite. L’AntiBlockierSystem (ABS) permet au conducteur, lors de cer-taines manoeuvres de freinages urgents, de conserver le contrôle du véhicule, tout comme l’Electronic Stability Program (ESP)pour d’autres situations. Le limiteur de vitesse (Limiteur Automatique de VI-tesse Autorisé (LAVIA)) lui permet de concentrer son attention sur d’autres facteurs essentiels de la conduite que le respect de la vitesse réglementaire. De nouveaux capteurs fournissent aux conducteurs une meilleure information sur son environnement proche, comme la caméra arrière et les capteurs ultrasons pour les manoeuvres de recul ou de stationnement; ou plus globalement, sur son itinéraire et les conditions de circulation avec des systèmes comme leGlobal Positionning System (GPS)et l’info trafic.

Cependant, le conducteur n’est pas infaillible, et l’accroissement de la sécurité peut nécessité pour certaines manoeuvres une automatisation complète de la conduite. C’est en partie le cas aujourd’hui avec le développement des systèmes d’aides à la conduite (figureI.6), les véhicules sont en capacité d’éviter d’eux-même les collisions frontales grâce à des systèmes comme l’Auto-Cruise Control (ACC).

Tous ces systèmes nécessitent des capacités de perception, un moyen pour le véhicule d’accéder à de l’information concernant son environnement.

Tout comme la nature a fourni à la vie de nouvelle façon d’apprivoiser son environnement, ressentir le monde par chimie, puis par contact, pour enfin le voir, le sentir, et l’entendre, la science et les technologies fournissent ces capacités sensorielles aux machines.

Depuis plus d’une décennie maintenant, l’électronique (caméras, ultrasons,GPS, centrale inertielle, . . . ) s’invite à bord des véhicules terrestres particuliers et bénéficie des avancées réalisées dans d’autres do-maines appliqués (biologie, téléphonie mobile) pour étoffer l’offre de capteurs à disposition (centrales inertielles et boussoles atomiques, . . . ).

Les capteurs électromagnétiques, comme les radars et les télécommunications, sont parmi les derniers aujourd’hui à intégrer les véhicules.

Il existe plusieurs raisons à cela. Pour certains comme les systèmes de télécommunications (WIreless FIdelity (WiFi), ou plus exactement le 802.11), leur mise au point est assez récente. Pour un usage

statique, le premier modèle commercialisé date de fin 1999 et ce n’est qu’en 2007 que les premiers essais en mobilité (projetCooperative Vehicle Infrastructure Systems (CVIS),Cooperative Systems For Road Safety (SAFESPOT), . . . ) ont été réalisées avec une technologie adaptée (Wave802.11p). Pour d’autres,

comme leRAdio Detection And Ranging (RADAR), la technologie existe depuis de nombreuses années pour l’aviation mais son usage dans le domaine automobile et l’emploi pour les véhicules terrestres est récent. Aussi, un véhicule peut aujourd’hui être doté de nombreuses capacités perceptives au point de pouvoir communiquer avec son environnement.

Tous ces capteurs, s’ils participent par l’information qu’ils fournissent à l’accroissement de la sécurité représentent également un coût sur le prix de production. Un capteur pour intégrer un véhicule se doit donc d’être fiable et de faible coût.

Un véhicule, même s’il dispose de nombreuses capacités perceptives, doit pouvoir les exploiter. Il faut définir les automates (figureI.6) utilisant ces informations et agissant sur le véhicule.

Figure I.6 – Définition de systèmes d’aides à la conduite (source: Continental, Passive Safety & ADAS, Chassis & Safety Advanced Driver Assistance Systems)

Ces automates, les systèmes d’aide à la conduite (Advanced Driver Assistance Systems (ADAS)), avant de pouvoir intégrer un véhicule commercialisé doivent être caractérisés, leur domaine d’application défini et des tests en situations réalisés.

Ces études sont coûteuses, tant en terme matériel, qu’en ressource humaine et logistique (achats des équipements, installations dans les véhicules prototypes, préparation et réalisation des scenarii de tests, organisation et analyse du recueil de données, . . . ), et peuvent éventuellement présenter des risques pour les agents réalisant les tests suivant la définition du scenario.

En fonction des performances des matériels employés (plateforme de développement/prototypage), il peut également être nécessaire pour un test en condition réelle et afin d’obtenir un fonctionnement en temps réel du systèmeADASprototypé, de porter sa définition sur une architecture matérielle ( Field-Programmable Gate Array (FPGA)par exemple) différente de l’architecture de prototypage (i386ou

amd64généralement).

Les réalisations d’un scenario de test, de part leurs complexités de mise en oeuvre, sont souvent limi-tées, et tous les paramètres, notamment climatiques ne peuvent pas être maîtrisés.

L’enregistrement des données capteurs lors de ces tests permet de pouvoir reproduire les conditions de celui-ci en laboratoire et d’effectuer des essais de manière plus contrôlée. Il n’est cependant pas possible d’influer sur le comportement du véhicule, et seuls des systèmes passifs (algorithme de fusion de données multi-capteurs[2_]

,[3_]

, détection de cibles dans une image, . . . ) peuvent être étudiés avec pertinence. Pour les systèmes actifs, agissant sur le véhicule, seuls les tests sur un prototype réel restent pertinents.

Dans de telles conditions, les choix de scenarii sont souvent contraints par des facteurs totalement décorrélés de la problématique étudiée (coût, complexité, . . . ) et limités à des situations simples à mettre en oeuvre.

D’un autre côté, il est admis que notre univers est régi par des lois physiques et mathématiques. Depuis les origines de l’humanité, l’homme a cherché à comprendre son environnement et les lois qui le régissent. Après une caractérisation symbolique, caractérisé par l’émergence des religions, les sciences et les mathématiques, ont permis de fournir des modèles précis et démontrés par l’expérience, de nombreux phénomènes naturels se déroulant dans notre univers.

Le résultat de ces travaux et de cette connaissance cumulée ont apporté la technologie, de la plus élémentaire reposant sur des lois connues depuis des siècles voir des millénaires (optique) à la plus avancée (satellite,GPS,RADAR) reposant sur les théories les plus récentes, comme la relativité d’Ein-stein.

Aussi, même si aujourd’hui, l’ensemble de ces connaissances ne s’appliquent qu’à approximativement 5 % seulement de la composition totale de l’univers visible; en fonction des phénomènes étudiés, il est possible, par l’intermédiaire de l’outils informatique de définir des représentations fidèles de ces phénomènes, de les faire évoluer, d’interagir avec et d’observer les résultats.

Partant de ce principe, l’équipe de perception du Laboratoire des Interactions Véhicule, Infrastruc-ture, Conducteur (LIVIC), dans laquelle ont été réalisés les travaux présentés dans ce manuscrit, sur l’initiative de D. Gruyer, a réalisée une plateforme logicielle pour la simulation (Simulateur Véhicule In-frastructure Capteur (SiVIC)[4] [5]

, figureI.7) fondée sur des modèles définis par les sciences physiques et les mathématiques.

Celle-ci, initialement conçue pour fournir des images de caméras virtuelles de scènes routières pour le prototypage d’algorithmes de vision, s’est progressivement dotée de nouveaux modèles de capteurs (centrale inertielle, odomètre, . . . ) et de modèles dynamiques de véhicules et de mobiles (piétons, deux roues) au point de proposer aujourd’hui une représentation virtuelle et réaliste d’un environnement routier et des acteurs y évoluant (véhicules, piétons, capteurs).

Il est également possible de faire communiquer cette plateforme avec des outils de prototypage de systèmes d’aides à la conduite[6_]

en récupérant les données générées par les capteurs virtuels et en fournissant des commandes aux modèles dynamiques des véhicules virtuels.

Figure I.7 – Plateforme de réalité virtuelle pour la simulation de capteurs équippant les véhicules (SiVIC)

Ainsi, la modélisation permet la définition de scenarii dynamiques, facilement reproductibles, autori-sant la simulation de situations particulièrement risquées pour un coût négligeable sur le long terme en regard des expérimentations réelles. Elle permet également, contrairement aux rejeux de données enregistrées, le prototypage de systèmes actifs, ayant un rôle sur la trajectoire ou le comportement du véhicule.

Elle permet également, puisque fondée sur une représentation physique et mathématique du monde, de caractériser des équipements que la théorie autorise mais qui non pas encore trouver de réalisation concrète.

De nombreux facteurs limitent la concrétisation d’une idée, les contraintes matérielles (propriété de la matière) et énergétiques notamment.

La matière possède certaines caractéristiques (conductivité, résistance, . . . ) en fonction de sa composi-tion, qui limitent son usage ou ses capacités. Des recherches sur les matériaux non homogènes (avec incrustation d’impureté dans les matrices) permettent de mettre au point des matériaux aux proprié-tés nouvelles autorisant de nouveaux usages. Concernant l’énergie, il n’existe pas encore de solution réellement satisfaisante pour son stockage, notamment sous forme électrique. Mais des progrès sont réalisés régulièrement permettant d’accroître cette capacité, et d’améliorer le rapport entre le volume occupé et l’énergie disponible. Il est probable qu’à l’avenir, de nouvelles découvertes permettront de significativement améliorer notre capacité à disposer de cette énergie, peut-être même sous une forme qui nous est aujourd’hui totalement inconnue, et tout comme la découverte de nouveaux matériaux permets déjà de miniaturiser et d’améliorer les capteurs existant, les découvertes futures apporteront leurs lots d’innovation. Cette espérance en l’avenir, et nos connaissances nous permettent dès à présent d’envisager de tels capteurs et de prédire leurs comportements[7_]

, et la modélisation et la simulation de les manipuler, et même de concevoir de nouveaux systèmes d’aide à la conduite fondés sur leurs usages.

Pour parvenir à ce résultat, et pouvoir substituer une plateforme virtuelle à la réalité dans les phases de prototypage desADAS, celle-ci doit fonctionner en temps réel ou s’en approcher, ce qui impliquent des temps de traitements courts. Aussi la modélisation est-elle la recherche du meilleurs compromis entre le temps d’exécution et le réalisme du modèle pour l’usage qui lui est défini.

Pour que la simulation puisse réellement se substituer à un scénario réel, elle se doit non seulement d’être réaliste mais également de fournir l’ensemble des capteurs disponibles pour la définition des systèmes d’aides à la conduite, et notamment les derniers à intégrer les véhicules, les capteurs électro-magnétiques comme les radars et les systèmes de télécommunications.

C’est dans ce contexte que s’inscrivent ces travaux.

De nombreux simulateurs existent pour représenter les phénomènes électromagnétiques. En fonction du domaine d’application, la représentation du monde et du phénomène change. Selon que le domaine d’étude concerne la biologie humaine et les effets des champs électromagnétiques sur l’organisme[8]

, l’implantation de nouvelles antennes Telecoms dans un environnement urbain[9]

, ou l’utilisation de capteur radar dans l’aéronautique ou l’automobile.

Concernant la problématique étudiée, deux références commerciales se distinguent. La première concerne le simulateur de la sociétéAWE-Communications,WinPROPTM[9]

. Celui-ci est spécialisé dans la simulation des phénomènes de propagations électromagnétiques à différentes échelles et principa-lement en rapport avec les systèmes de télécommunications. Il est ainsi possible à travers cet outils de simuler des phénomènes de propagation à l’échelle de la planète pour des problématiques liées à des objets géo-stationnaires (les satellites), de la ville pour la mise en place de système de télécom-munications ou d’un bâtiment pour des études sur l’installation d’un réseau sans fil. Enfin il dispose également de modèles de propagations relatifs à l’utilisation de systèmes de télécommunications dans un environnement automobile. Ces modèles reposent sur un lancer de rayon et une caractérisation des cibles sous formes de surfaces équivalentes radars[10]

. Les temps de traitements sont de l’ordre de quelques secondes pour une scène composé de quelques véhicules.

La seconde référence concerne le simulateur de la société françaiseOKTAL,SCANeR StudioTM[11] . Il s’agit d’un simulateur de conduite offrant une plateforme logicielle et matérielle complète pour la for-mation des agents à la conduite de véhicule dans les domaines aéronautique, ferroviaire et routier. Cette plateforme dispose par l’intermédiaire d’outils complémentaires issues de la filialeOKTAL-Synthetic Environment, de modèles de propagations électromagnétiques applicables à un scenario routier, initia-lement conçu pour de la génération de surfaces équivalentes radars. Pour la problématique étudié ici, la solution dans cette plateforme repose là encore sur un lancer de rayons et une caractérisation des cibles par desSurface Équivalente Radar (SER), la caractérisation de l’environnement est cependant plus précise que pour la solution deWinPROPTM.

La propagation électromagnétique, à l’échelle d’un scenario routier est donc généralement caractérisée par les phénomènes de réflexions et par l’utilisation d’un lancer de rayon couplé à une caractérisation des objets sous forme de surfaces équivalentes radars.

Il existe cependant d’autres façons de représenter ce phénomène et les objets en utilisant des mo-dèles géométriques et les propriétés des matériaux. C’est la représentation utilisée notamment dans les moteurs de rendu graphique avec une onde électromagnétique particulière, la lumière.

Dans le cadre d’une modélisation d’un capteur comme le radar ou un système de télécommunications, le phénomène de propagation électromagnétique n’est pas suffisant pour définir un modèle de capteur utilisable en remplacement d’un vrai capteur, il est nécessaire de s’intéresser également à la technologie, à son fonctionnement et à sa façon de s’intégrer dans un véhicule et dans un système d’aide à la conduite.

Ces différents aspects semblent absents des représentations définies dans les deux plateformes étu-diées, ils ne correspondent pas aux coeurs de métier ciblés.

Concernant les radars, de nombreux modèles relatifs aux aspects traitements du signal sont disponibles à travers les publications.

Pour les télécommunications, plusieurs simulateurs existent pour traiter de la problématique ( OM-NET++,NS3, . . . ). Ces simulateurs permettent de générer du trafic réseau entre des noeuds virtuels utilisant différents types de liaisons, notamment leWiFi.

Afin de pouvoir s’intégrer dans une plateforme de simulation pour le prototypage de système d’aide à la conduite, le modèle doit également être réactif, les temps de traitements observés ici sont encore très supérieurs à ce qui est nécessaire pour l’utilisation définie ici. UnADASrequière un nombre important d’itérations par seconde pour être efficient, et un scenario se déroule sur une certaine durée, aussi, pour un usage en temps réel, les temps de traitements doivent être de l’ordre de 40 ms et ne doivent pas excéder pour une utilisation hors temps réel la seconde.

Aucune des solutions existantes étudiées ne semblent proposer un tel modèle.

La propagation, dans les deux solutions est abordée sous le même aspect et ceux relatifs au capteur en tant que tel sont absents.

Les travaux menés dans le cadre de cette thèse consiste donc en la définition d’un modèle de capteur électromagnétique, de type radar ou système de télécommunication, pouvant être utilisé en remplace-ment d’un capteur réel dans le cadre d’un scenario simulé pour le prototypage d’un système d’aide à la conduite.

Ce manuscrit s’organise en deux parties. La première est consacrée aux considérations d’ordre général sur la mise en oeuvre de modèle relatif aux capteurs électromagnétiques.

Le premier chapitre présente les modèles théoriques utilisés pour la définition des capteurs virtuels mis en oeuvre. Il se compose de deux sections principales. La première, traite de la caractérisation du capteur, pour sa partie matérielle, à travers un modèle de composant électrique pour la génération et la réception d’une onde. La seconde section aborde le phénomène de propagation électromagnétique dans un environnement routier urbain et les représentations définies pour ces modèles.

Le second chapitre s’intéresse à la mise en oeuvre de ces modèles et aux solutions apportées pour obtenir un fonctionnement en temps réel, par l’utilisation notamment de traitements massivement parallélisés. La recherche de performance a également été l’occasion de mettre en place une solution de répartition de la plateforme complète et des traitements associés non plus au sein d’un poste de travail mais sur un ensemble de postes, cet aspect est abordé dans la dernière section.

La seconde partie aborde ensuite les technologies relatives aux capteurs électromagnétiques utilisées dans le domaine automobile: les radars et les systèmes de télécommunication.

Le troisième chapitre est ainsi consacré aux technologies radars intégrées dans ce modèle. Il s’agit de radars dopplers àImpulsion (PULSE), ou à ondes modulées (Continuous Wave (CW), Frequency-Shift Keying (FSK), Frequency Modulated Continuous Wave (FMCW), . . . ). Cette partie présente les principes relatifs à ces solutions technologiques et les traitements associés pour obtenir les informations de vitesse et de position des cibles. C’est également l’occasion de mesurer le rôle essentiel de la partie logicielle associée aux capteurs à proprement parler pour fiabiliser les résultats, notamment dans le cas des radars à ondes continues.

Le dernier chapitre de ce manuscrit est consacré aux capteurs de télécommunications. Contrairement aux radars, où les signaux générés sont simples, la complexité des protocoles réseaux interdit d’abor-der le problème de la même manière, l’utilisation de solutions existantes, comme le simulateurNS3, pourront cependant, peut-être apporter une solution à cette problématique.

Capteurs Electromagnétiques:

Un Modèle Générique

II Un modèle de capteur électromagnétique générique 23 1 Le modèle matériel . . . 25

1.1 Le modèle d’un composant électronique fonctionnel . . . 26

1.2 Le modèle complet d’un capteur électromagnétique générique . . . 28

1.3 Le traitement du signal électrique . . . 32

1.4 Du modèle capteur au modèle de propagation. . . 32

2 Les modèles de propagation. . . 32

2.1 Les représentations de l’information . . . 34

2.2 Les représentations de l’antenne . . . 39

2.3 Les représentations du monde . . . 41

2.4 Les représentations des interactions . . . 45

2.5 Les modèles complets . . . 48

III Une solution répartie: le calcul parallèle 51

1 Architecture logicielle des modèles: le capteur . . . 56

1.1 Le composant électronique fonctionnel logiciel . . . 56

1.2 Le traitement du signal "électrique" . . . 59

1.3 Intégration des différentes méthodes de résolutions au modèle . . . 67

2 Architecture logicielle des modèles: la propagation . . . 73

2.1 Le trajet d’onde . . . 73

2.2 Les modèles de propagations . . . 74

3 Architecture matérielle: le cloud computing . . . 89

3.1 Identification des besoins . . . 89

3.2 Le connector. . . 90

3.3 Les stratégies de communications . . . 90

3.4 Le bus logiciel. . . 92

L

Les capteurs électromagnétiques ne sont, eux, pas aussi récents. Hormis les capteurs optiques qui entrent dans une catégorie particulière de cette famille, les premiers essais de transmission électroma-gnétique d’une information d’origine humaine date de 1895 par Karl Ferdinand Braun et Guglielmo Marconi. En 1898, Eugène Ducretet réalise la première émission radio française, moins de 10 ans plus tard, la liaison sera bi directionnelle. L’après première guerre mondiale verra l’essor de nouvelles technologies fondées sur ce principe, les RADARs[12]

, des capteurs permettant de détecter des ob-jets distants. Ce sont les héritiers de ces précurseurs, qui sont aujourd’hui utilisés pour sécuriser la conduite.

Ainsi, avant de parler plus avant des capteurs qui équipent les véhicules, intéressons-nous aux spécifi-cités de cette famille.

Un capteur électromagnétique est par définition un matériel générant, interagissant et/ou détectant des champs électromagnétiques.

Il existe plusieurs applications aux champs électromagnétiques et à leur manipulation. A travers les capteurs de type radars, ils permettent d’obtenir de l’information de l’environnement à plus ou moins grande échelle, suivant que celui-ci est utilisé en astronomie, pour l’observation de l’univers lointain, dans l’aéronautique, pour le suivi du trafic aérien ou dans les transports routiers, pour le contrôle de l’inter-distance entre les véhicules. Sous forme de systèmes de télécommunications, ils permettent l’échange d’information sans support matériel, de la téléphonie mobile (3G) aux réseaux locaux sans

fil (WiFi,802.11p). Plus récemment, il est également possible de combiner ces deux fonctions à travers

un même matériel[13]

. Enfin, utilisés à des puissances supérieures, ils peuvent également devenir des armes[14]

.

Pour réaliser ces fonctions, plusieurs tâches sont nécessaires.

Dans le cadre des radars automobiles et des systèmes de télécommunications, une vision simplifiée de ces systèmes permet d’identifier quatre tâches principales (figure I.8). La première est de géné-rer un signal électrique (1), puis celui-ci est émis, sous la forme d’un champ électromagnétique, par l’intermédiaire d’une antenne (2) dans l’environnement. Une fois l’onde électromagnétique propagée dans l’environnement, il faut capter ses échos, par l’intermédiaire de l’antenne réceptrice (3), le signal électrique issu du champ électromagnétique perçu est ensuite traité[15]

(4), pour extraire l’information.

• •

1

2 3

4

?

Figure I.8 – Vision simplifiée d’un capteur électromagnétique

Cette vision minimaliste permet déjà d’appréhender les différentes parties qui composeront le modèle générique d’un capteur électromagnétique.

En terme d’information manipulée (figure I.9), cela représente également au moins trois grandeurs différentes. Un signal électrique, qui caractérise l’information au sein du capteur, un champ électro-magnétique qui se propage et interagit à travers l’environnement, et une information contextuelle, utilisable par les systèmes d’aide à la conduite.

Deux grands axes se dessinent. Le premier, traitant du signal électrique au sein du matériel, avec comme rôle principal, en amont, de générer le signal électrique; et en aval, de traiter celui-ci. Le second, traitant de la propagation du champ électromagnétique au sein de l’environnement.

Capteur signal (stx, srx) Environnement onde (fc, L, G, δ, P, . . .) Utilisateur informations (p, v, . . .) émet reçoit transmet

Figure I.9 – Nature de l’information manipulée à travers un capteur électromagnétique

Cette première approche laisse présager des charges de calcul conséquentes pour la simulation du fonctionnement d’un tel capteur. Les fréquences auxquelles ceux-ci fonctionnent sont de l’ordre du GigaHertz. La fréquence d’échantillonage des signaux risque par conséquent d’être élevée tout comme la taille des vecteurs associés à ces signaux. Pour ce qui concerne la propagation de l’information dans l’environnement, le constat est similaire. La propagation des ondes électromagnétiques est un phé-nomène complexe et obtenir une représentation fine du phéphé-nomène risque d’être consommateur de ressources, d’autant que l’environnement d’accueil de ce modèle, la plateforme de simulation de cap-teurs virtuelsSiVIC, propose des environnements de haute résolution des scènes urbaines modélisées. Le premier chapitre de cette partie est consacré à la définition des modèles mathématiques et physiques associés aux phénomènes étudiés; dans un premier temps, au sein du capteur, puis dans l’environne-ment de celui-ci, une scène routière avec toutes les entités y évoluant.

Le second chapitre présente ensuite une mise en oeuvre informatique de ces différents modèles, et les solutions apportées pour optimiser leurs performances.

Cette partie étant déjà conséquente, les radars et les systèmes de communication seront présentés dans la partie suivante.

II.

magnétique générique

P

Mais avant d’aller plus loin, il est nécessaire de définir ce que le terme modèle signifie.

Il existe une multitude de définition, en fonction du domaine d’application et de ce qui est mis en valeur. Dans ce manuscrit, un modèle est une représentation simplifiée

• d’un système,

• de son comportement,

• et de sa réponse vis à vis de stimuli extérieurs.

propriétés actions

stimuli réponse

Figure II.1 – Définition d’un modèle

Celui-ci représente une certaine réalité du système qui est modélisé. La représentation est choisie en fonction de l’usage défini pour le modèle. Cependant, plus un modèle est précis et proche du système qu’il représente, plus son utilité et le(s) domaine(s) dans lequel il peut s’employer se trouve élargi. Par extension, plus les règles qu’il utilise sont simples et proches des lois naturelles, plus son comportement pourra être considéré comme juste au regard des connaissances actuelles.

En terme informatique, et notamment en programmation orientée objet, un modèle peut être considéré comme un objet (figureII.2), avec des propriétés (attributs) et des actions (méthodes).

objet attributs méthodes

entrée sortie

Figure II.2 – Représentation d’un modèle en programmation orientée objet

Figure II.3 – Le modèle standard

Pour ce qui concerne les lois naturelles régissant notre Univers, la communauté scientifique s’accorde cependant sur un modèle commun, le modèle standard[16]

.

Le modèle standard de la physique est le modèle le plus abouti et satisfaisant disponible aujourd’hui. Il permet de décrire l’univers par des lois simples et presque toutes unifiées, exception faite de la gravitation, à travers un ensemble de particules élémentaires caractérisant les forces, l’énergie et la matière. Il n’est malheureusement pas utilisable en l’état pour ces travaux.

Les ressources numériques disponibles aujourd’hui sont très largement sous dimensionnées pour un tel modèle à l’échelle de la définition d’un modèle de capteur électromagnétique pour une plateforme de simulation destinée à intégrer le cycle de développement d’un système d’aide à la conduite et dont les ressources allouées doivent être significativement inférieure au coût de mise en oeuvre d’un test réel.

Fort heureusement, de nombreux phénomènes n’ont pas besoin d’être représentés à l’échelle particu-laire pour obtenir un modèle pertinent décrivant leur évolution.

Ainsi, des modèles à l’échelle macroscopique, permettent de rendre compte fidèlement de l’évolution d’un système physique et de ses propriétés. C’est le cas des sciences classiques1

, qui fournissent des modèles pertinents des phénomènes observés en ne tenant compte que des paramètres nécessaires à la compréhension et à l’explication de celui-ci. C’est aussi et surtout, un domaine des mathématiques à part entière, les statistiques.

Dans le cadre du modèle standard, l’étude des capteurs électromagnétiques s’inscrit donc dans l’étude de l’évolution de deux populations de particules: l’une, permettant de générer des signaux électriques et donc de l’information: l’électron, et l’autre, permettant le transport de cette information à travers l’environnement: le photon.

L’étude, d’un point de vue macroscopique, et la connaissance cumulée de ces phénomènes au fil de l’histoire, a permis l’émergence de plusieurs domaines des sciences comme l’électronique pour l’étude de l’électron, et l’optique et l’électromagnétisme pour l’étude du photon. Bien entendu, dans ces re-présentations, la notion de particule élémentaire (de nature quantique) est souvent abandonnée au profit de notions conceptuelles plus pertinentes pour expliquer le phénomène, en ce sens qu’elles sont observables et manipulables.

Les entrées et sorties du modèle ne sont alors plus les caractéristiques des particules (masse (m), charge (q), spin (|ui), . . . ), mais des notions plus générales dont la valeur représente une statistique comme l’énergie (E ≈ Σimi∗c2) ou le champ électromagnétique (fonction de l’évolution de la direction de

propagation des particules, de leur charge et de leur spin).

L’objectif de la modélisation envisagée ici est donc de pouvoir tendre vers une représentation des phénomènes étudiés en manipulant des populations "statistiques" et macroscopiques toujours plus élémentaires, tenter de sortir les individus des groupes auxquels ils appartiennent pour observer leur comportement de manière plus individuel dans un environnement où les conditions d’évolution de ces populations sont nombreuses et de complexités variées.

Un modèle peut toujours être remplacé par un modèle à la granulométrie plus fine dont l’étude concerne des groupes plus restreints ou composé d’individus plus élémentaires et donc offrant une meilleure représentation du système observé. Le facteur limitant la granularité d’un modèle étant la capacité technologique disponible afin de pouvoir observer l’évolution du dit modèle.

Il existe de nombreuses applications à la conception de modèle.

D’un point de vue purement académique, la mise en oeuvre d’un modèle permet de s’assurer de la bonne compréhension d’un phénomène par la capacité à définir et reproduire celui-ci.

Dans le cadre des travaux présentés ici, les modèles ont vocation à pouvoir se substituer aux capteurs qu’ils représentent lors des étapes de prototypage et de développement de nouveaux systèmes d’aide à la conduite. Afin que du point de vue de l’utilisateur, le système d’aide à la conduite, la réponse du modèle (le capteur virtuel) soit vis à vis des stimuli auxquels il est soumis (configuration, environne-ment) similaire à la réponse qui aurait été fournie par le capteur réel dans des conditions similaires lors d’une phase de test.

La modélisation portera donc sur les éléments et caractéristiques du capteur et de l’environnement dans lequel il évolue susceptibles d’interférer avec les résultats produits par un tel capteur.

La première section définie les modèles permettant la génération et le traitement de l’information, à savoir la génération de signaux électriques et leur traitement numérique.

La seconde section définie les modèles intervenant dans la propagation de cette information au sein d’un environnement complexe, une scène routière avec tous ses acteurs.

1

Le modèle matériel

Un capteur électromagnétique (un RADARou une carteWiFi), est un matériel électronique, comme un téléphone portable ou un grille-pain.

Il est constitué d’un boîtier de protection (aluminium, plastique, verre, . . . ), et de circuits imprimés équipés de composants électroniques (résistances, condensateurs, diodes, antennes, . . . ). Ceux-ci sont eux-mêmes constitués d’atomes, eux-même constitués de particules. . .

C’est cette nature complexe qui rend imparfaits les modèles. Les matériaux supra-conducteurs[17]

sont aujourd’hui encore, soit théoriques soit existant uniquement dans des conditions de température et de pression loin des domaines de fonctionnement des véhicules terrestres.

Aussi la réponse réelle d’un capteur est-elle finalement le résultat de la fonction analytique d’un modèle

de celui-ci, associé à un élément, le bruit, caractérisant la méconnaissance du comportement réel du

capteur.

Il est cependant possible de quantifier cette part inconnue et complexe du système et même de définir des modèles de bruit permettant d’approcher au mieux la réponse potentielle d’un système.

En terme d’information, le vecteur de transmission dans un matériel électronique est un signal élec-trique. Il est possible d’appliquer plusieurs manipulations sur celui-ci en vue de générer ou transmettre de l’information, trois types de modulations sont possibles: la modulation en amplitude, la modulation

en fréquence et la modulation en phase. L’énergie contenue dans ce signal, qui caractérise l’activité des

électrons, définit le niveau de robustesse de l’information au regard du bruit des composants. C’est ce signal électrique qui est à l’origine du champ électromagnétique généré par le capteur.

A l’exception des éléments du boîtier, qui sont considérés neutre dans ce modèle, chacun des compo-sants électroniques influence le signal d’une façon qui lui est propre (cf. cours d’électronique[18_]

), et possède un domaine de fonctionnement dans lequel sa réponse est connue, et à l’extérieur duquel elle est aléatoire ou non déterministe.

Ainsi pourrait-on envisager un premier modèle du composant matériel du capteur comme un en-semble de composants électroniques dont les relations ou l’assemblage est fourni par des schémas électroniques, les mêmes que ceux utiliser pour l’assemblage des cartes électroniques. Pour cette ap-proche cependant, tous les modèles de composants ne sont pas aussi simples que celui de la résistance et cette première solution, qui semble pertinente quant à son réalisme, risque de s’avérer coûteuse à mettre en oeuvre, tant au niveau des connaissances qu’elle requière, que des temps de traitements qui lui seront associés.

De nombreux travaux menés depuis les prémices de l’électronique ont fournis de nombreux modèles permettant de simplifier cette profusion de composants de manière à obtenir des modèles macrosco-piques de système proches des systèmes réels observés, tout en limitant leur complexité. Une repré-sentation plus fonctionnelle est alors envisageable.

D’un point de vue électronique, le fonctionnement interne du capteur est considéré comme indépen-dant de ses caractéristiques spatio-temporelles dans la scène. Les scènes urbaines utilisées dans le prototypage de système d’aide à la conduite étant considérées comme électromagnétiquement neutres pour le moment, elles n’influent pas sur la réponse de cette partie du modèle, et ce qui se passe dans le capteur n’est pas soumis à sa position dans l’espace.

La solution proposée ici, s’appuie sur une représentation mixte des différents organes composants un capteur électromagnétique.

Cette représentation repose sur un modèle de quadripôle[19] .

1.1

Le modèle d’un composant électronique

fonctionnel

Figure II.4 – Représentation d’un composant électronique fonctionnel comme un quadripôle

Le quadripôleII.4 définissant un sous-système d’un capteur, comme le générateur de signaux ou le module d’alimentation, est nommé un composant électronique fonctionnel . Il se définit par une ré-sistance d’entrée (Ri), et de sortie (Ro), et un amplificateur (GdB). Cette définition est complétée d’un

générateur de bruit (η).

Ces propriétés sont nécessaires pour la caractérisation du rôle de perturbateur du composant dans le signal généré dans le cadre d’une modélisation électronique. Cependant, elles ne permettent pas à elles seules de définir le rôle du composant, celui attendu, sur le signal électrique. Pour cela, la définition précédente est complétée à l’aide d’une fonction f caractérisant la réponse parfaite du sous-système.

f : C∞(R) −→ C∞(R)

sin 7−→ sout

(II.1) .

Ainsi l’action complète d’un composant électronique fonctionnel sur le signal électrique se caractérise par:

sout: C∞(R) → C∞(R)

sin 7→ GW. f(sin) +η

(II.2) avec GW, le facteur de gain (en Watt).

Cette représentation permet de prendre en compte, à la fois la réponse parfaite du composant avec la fonction f et les différences existantes entre cette réponse théorique et attendue et la réponse ob-servée du système réel, inhérentes aux imperfections des matériaux utilisés pour la réalisation des composants.

Les modèles de bruits

Ces différences ne sont cependant pas totalement aléatoires et peuvent être modélisées.

Et même s’il n’est pas possible, à travers ces modèles, de définir la réponse exacte d’un composant pour un instant particulier, il est en revanche possible de définir globalement, d’un point de vue sta-tistique et en fonction des conditions, une représentation de ces bruits qui sur la durée de l’expérience correspondront aux bruits observés sur un signal réel. Pour la problématique étudiée, il existe deux sources principales de bruits au sein du capteur.

Le bruit thermique

La première concerne l’état de la matière, notamment la température et son influence sur les porteurs de charges et les propriétés résistives des composants électroniques. Cette première source de bruit, appelé "bruit de Johnson-Nyquist", est caractérisée dans ce modèle par la densité de puissance

N=k.Temp.BW (II.3)

avec k, la constante de Boltzman, Temp la température du système en Kelvin et BW la bande passante du circuit en Hertz.

La seconde source de bruit est propre aux composants. Les capteurs manipulent des signaux à hautes fréquences. Pour ces types de composants, le bruit n’est généralement pas réparti uniformément au sein du spectre des fréquences contenues dans le signal.

La figureII.5présente les différents modèles de bruits définis pour caractériser le bruit d’un composant en fonction de sa répartition au sein du spectre des fréquences d’un signal. Une répartition uniforme de celui-ci se caractérise par un bruit blanc (en haut à gauche). Pour le problème étudié, les modèles de bruits associés sont généralement de type rose[20]

, dont l’énergie associée au bruit est principalement contenue dans les basses fréquences du signal (figureII.5, en haut à droite).

Dans le modèle présenté, l’introduction des bruits dans le signal peut s’opérer à différents instants. En fonction du point de vue de l’utilisateur et de ses besoins, il est possible de générer les bruits de chaque composant électronique fonctionnel et de les intégrer sur le signal temporel en sortie de chaque traitement ou, notamment dans le cas de l’utilisation d’un modèle factorisé pour un radar, d’appliquer le bruit uniquement en sortie du modèle ou durant les phases de traitements, en utilisant un modèle fréquentiel.

D’un point de vue réalisation, la génération d’un bruit temporel, en fonction du modèle de bruit utilisé et à l’exception du bruit blanc, nécessite la génération d’un signal fréquentiel avant de transformer celui-ci en signal temporel. C’est le cas pour les bruits roses utilisés ici. Cette génération repose sur l’utilisation de générateur de nombre pseudo-aléatoire[21]

.

Concernant les lignes électriques reliant ces différents modules, elles sont caractérisées par des modèles de dipôles électroniques, définis par une résistance (R).

f A

0 fc fM

Modèle de bruit blanc

f A

0 fc fM

Modèle de bruit rose

f A

0 fc fM

Modèle de bruit rouge ou brownien

f A

0 fc fM

Modèle de bruit bleu ou azur

f A

0 fc fM

Modèle de bruit violet

f A

0 fc fM

Modèle de bruit gris

Figure II.5 – Différents modèles de bruits représentés sous forme spectrale

1.2

Le modèle complet d’un capteur

électroma-gnétique générique

Dans cette représentation, un modèle générique comprenant l’ensemble des composants électroniques fonctionnels requis à la caractérisation d’un capteur électromagnétique[22_]

,[23_]

est la figureII.6.

Il est composé d’un générateur de signaux sinusoïdaux (Voltage Control Oscillator (VCO)). La défini-tion de la foncdéfini-tion analytique d’un tel composant est du type:

fVCO : Rp → C∞(R)

(t, fc, T, BW, . . .)T 7→ sout

e− γ γ _e− COMP TRACK Propagation VCO AMP TX RX LNA MIX sVCO sAMP Transmitter (fc, P,−→p) (G, L, fδ) sRX sLN A Receiver sAMP sMIX outCOMP Computer

Figure II.6 – Composants associés à un capteur électromagnétique générique (Modèle complet)

avec p le nombre d’entrées nécessaires à la caractérisation d’un signal vis à vis de la technologie repré-sentée. Pour un radar à onde continue modulée linéairement, p>4 avec comme entrées principales: le temps, la fréquence porteuse, la période élémentaire et la bande passante.

En fait la définition de la fonction associée à ce composant est fortement liée à la technologie pour laquelle leVCO est employé: type de radar, type de télécommunication, . . . . Des exemples de cette fonction sont donnés dans la seconde partie du manuscrit, dans le chapitre concernant les modèles de radars (p.105).

Les générateurs de signaux utilisés pour générer des signaux à de telles fréquences ne permettent en général pas de très hautes énergies.

Il est donc nécessaire d’amplifier le signal généré avant de pouvoir l’émettre dans l’environnement. C’est le rôle de l’Amplificateur (Amplificateur (AMP)), celui-ci se contente d’augmenter la puissance du signal d’entrée en tachant d’ajouter un minimum de bruit. Un tel composant est caractérisé par un composant électronique fonctionnel dont les propriétés sont telles que fAMP=1, GAMP >>1.

Un fois le signal suffisamment puissant, il est émis dans l’environnement par l’antenne (Antenne émet-trice (TX)). Ce composant se trouve à la frontière des deux modélisations électrique et électromagné-tique. La définition de sa fonction pour l’aspect relatif à cette partie du modèle est du type

fTX : C∞(R) ×R → Rq

sin∗Gangle 7→ (fc, E2, P3, . . .)

(II.5)

avec q le nombre de paramètres nécessaires à la caractérisation de l’onde électromagnétique associée au signal électrique sin.

Elle ne correspond pas à la forme générique définit précédemment, en effet, ce composant n’a pas d’influence particulière sur le signal, il se contente de transposer les informations relatives au signal électrique dans la représentation utilisée pour le modèle de propagation. Ces paramètres sont entre autres, la fréquence porteuse moyenne du signal et son niveau énergie. Pour ce composant le facteur de gain Gangle n’est plus seulement fonction de la longueur d’onde mais également de la direction

d’émission de l’onde vis à vis de considération spatiale détaillée dans le modèle de propagation (p.