Amélioration de la qualité d'agrégation par l'analyse de données dans les réseaux de capteurs

L'adoption des réseaux de capteurs sans fil (WSNs) dans divers secteurs continuent à croître, comme la médecine, la domotique, le contrôle de processus industriels, la localisation des objets, etc. Cela revient à l'émergence de capteurs de plus en plus petits et de plus en plus intelligents dans notre vie quotidienne. Ces dispositifs interagissent avec l'environnement ou d'autres périphériques, pour analyser les données et produire de l'information. En plus de créer de l'information, ils permettent, une intégration transparente de la technologie virtuelle autour de nous. En effet, ces objets sont de faible puissance et fonctionnent sur batterie. Ils sont souvent utilisé dans des zones géographiques dangereuse et peu accessible, tels que les volcans actifs, les champs de bataille, ou après une catastrophe naturelle etc. Ces zones critiques rendent le remplacement ou la recharge des batteries de chaque capteur difficile voire impossible. Ainsi, leur consommation énergétique devient le principale verrou technologique empêchant leur déploiement à grande échelle. Nous sommes intéressés à partie la plus consommatrice d'énergie dans les réseaux de capteurs: la communication ou l'envoi/la réception de données. Nous proposons des méthodes pour réduire les transmissions des nœuds en réduisant le volume de données à transmettre. Notre travail s'articule autour de trois axes fondamentaux: la prédiction des données, la détection de similarité des données et la détection des comportements anormaux.The promise and application domain of Wireless Sensor Networks (WSNs) continue to grow such as health care, home automation, industry process control, object tracking, etc. This is due to the emergence of embedded, small and intelligent sensor devices in our everyday life. These devices are getting smarter with their capability to interact with the environment or other devices, to analyze data and to make decisions. They have made it possible not only gather data from the environment, but also to bridge the physical and virtual worlds, assist people in their activities, while achieving transparent integration of the wireless technology around us. Along with this promising glory for WSNs, there are however, several challenges facing their deployments and functionality, especially for battery-operated sensor networks. For these networks, the power consumption is the most important challenge. In fact, most of WSNs are composed of low-power, battery-operated sensor nodes that are expected to replace human activities in many critical places, such as disaster relief terrains, active volcanoes, battlefields, difficult terrain border lands, etc. This makes their battery replacement or recharging a non-trivial task. We are concerned with the most energy consuming part of these networks, that is the communication. We propose methods to reduce the cost of transmission in energy-constrained sensor nodes. For this purpose, we observe the way data is collected and processed to save energy during transmission. Our work is build on three basic axis: data estimation, data similarity detection and abnormal behaviors detection