> Offres de formation > Offres de thèses

Couche physique IoTefficace énergétiquement basée sur l'IA

Défi technologique : Réseaux de communication, internet des objets, radiofréquences et antennes (en savoir +)

Département : Département Systèmes (LETI)

Laboratoire : Laboratoire Communication des Objets Intelligents

Date de début : 01-09-2022

Localisation : Grenoble

Code CEA : SL-DRT-22-0712

Contact : valerian.mannoni@cea.fr

Avec l'explosion du nombre d'objets connectés, l'internet des objets (IoT) se situe actuellement au c?ur de l'évolution numérique. Il est maintenant possible de connecter des objets du quotidien / industriels (robots, voitures, capteurs, etc.) à internet par l'intermédiaire de terminaux intégrés. Les technologies de connectivité mMTC (massive Machine Type Communications), pilier de la 5G, n'ont que peu évolué par rapport aux générations précédentes et ne sont que trop peu efficaces pour répondre aux enjeux de l'IoT que sont l'efficacité énergétique, la couverture et la complexité. Ainsi, il devient nécessaire de faire évoluer les formes d'ondes IoT pour les futures générations de systèmes de télécommunication (6G). Dans ce contexte, nous souhaitons proposer et étudier une nouvelle couche physique répondant aux principales besoins de l'IoT (LPWA - Low Power Wide Area Network) que sont une bonne efficacité énergétique (fonctionnement sur batterie), une longue portée de communication et ce, pour des communications sporadiques principalement en voie montante avec des trames véhiculant l'information de petite taille. Pour ce faire, nous nous aiderons des avancées du Deep learning et notamment des architectures de réseaux de neurones auto-encoder. Ainsi, après avoir proposé et évalué une première couche physique entrainable pour l'IoT, les processus de synchronisation et d'estimation de canal seront intégrés. L'agilité de la couche physique résultante aux changements de son environnement (canal de propagation, accès multiple, nouvelles exigences de service, etc) sera alors étudiée ainsi que son implémentation sur des architectures « embedded AI ».

Voir toutes nos offres Télécharger l'offre (.zip)

Email Bookmark and Share