Métrologie des réseaux sans-fil: A la frontière du signal et du numérique

The multiplication of Internet of Things wireless networks may results in more medium contention and stronger spectral pollution. To maintain the communications quality, nodes will have to be more adaptive and take benefits of the available informations about the state of the medium and of the communications. In that optic, this thesis presents 3 contributions which respectively tackle the following fields of wireless networks research : measurements, modeling and development of new solutions for nodes adaptability. The 1st contribution concerns the conception and implementation of a measurement bench which comply with the requirements of these studies (i.e. it must allow cross-layer measurements starting from the phy layer and offer maximal control over the environment and its perturbations). Our solution is to perform the communications inside the RF protected environment of an anechoic room. To interfere with these communications, a modulated AWGN noise is injected inside the room with the help of a directive antenna. Inside the room, measurements are made using WIFI devices and RF equipments. The 2nd contribution aims to take advantage of the experimental platform measurements to improve the realism of ns-3 simulations. In fact, despite a recognized lack of realism, network simulators such as ns-3 are currently used to test new wireless protocols and applications. In that optic, we propose a root cause analysis (RCA) model designed to detect configuration, implementation or modeling anomalies between the simulator and the experimental bench. The application of this method results in a major improvement of the realism of the ns-3 WIFI model . The 3rd and last contribution consists in the application of three machine learning algorithms, namely SVR, k-nn et DT, in the goal to predict the IP throughput measured on a wireless link. The estimations are based on SNR, RSS and noise measurements at the receptor side of the communication. The different algorithms are evaluated according to the accuracy of their estimations but also according to their functional characteristics (e.g. model size, training time, ...). The results show that the SVR and DT algorithms used in conjunction of the SNR metric obtain the most accurate estimates. Moreover the SVR and DT algorithms are respectively the most efficient in terms of memory and time.La multiplication des réseaux sans-fil de l'Internet des Objets aura pour conséquence l'augmentation des problèmes d'accès au medium et une forte pollution spectrale. Pour maintenir la qualité des communications, les noeuds devront devenir plus adaptatifs et exploiter un maximum d'informations sur l'état du médium et des communications. Dans cette optique, cette thèse présente 3 contributions ayant respectivement traits à la mesure des réseaux sans-fil, à leur modélisation et à la recherche de solutions d'adaptabilité accessibles pour les noeuds de ces futurs réseaux. Par conséquent, la 1re des contributions concerne la conception et la mise en oeuvre d'un banc de mesure expérimental compatible avec les besoins de ces études (i.e. fournir des possibilités de mesures cross-layer à partir du niveau physique et un contrôle maximal des perturbations du médium). La solution développée est celle d'un banc conçu à l'intérieur d'une chambre anéchoïque dans laquelle du bruit perturbateur est injecté à l'aide d'une antenne directionnelle. à l'intérieur de la chambre, les mesures sont effectuées à l'aide d'équipements WIFI et d'équipements de mesure RF. La 2e contribution vise à prendre en compte les mesures issues de ce banc expérimental dans le but de tester et d'améliorer le réalisme du simulateur ns- 3 et de ses modèles. En effet, malgré leur peu de réalisme, les simulateurs de réseau comme ns-3 sont utilisés pour tester de nouveaux protocoles ou de nouvelles applications sans-fil. Dans cette optique, nous proposons un modèle d'analyse de cause racine (RCA) conçu pour détecter les différences de configuration, d'implémentation ou de modélisation entre le simulateur et le banc de mesure à partir de données issues de traces expérimentales. L'application de ce modèle a conduit à une amélioration importante du réalisme des modèles WIFI du simulateur. La 3e et dernière contribution consiste à appliquer les algorithmes d'apprentissage SVR, k-nn et DT en vue de l'estimation prédictive du débit IP mesuré sur un lien sans-fil. Les estimations se font respectivement à partir des valeurs de SNR, de RSS et de bruit mesurées au niveau du noeud récepteur. Les différents algorithmes sont évalués selon la précision de leurs estimations mais aussi sur leurs caractéristiques fonctionnelles (e.g. taille des modèles, ...). Les résultats indiquent que les algorithmes SVR et DT utilisés avec le SNR permettent les estimations les plus précises. De plus, ces 2 algorithmes offrent les meilleures performances respectivement en termes de mémoire utilisée par le modèle et de temps de calcul