Localisation à base d'empreintes radios (fingerprinting): méthodes robustes de positionnement pour les terminaux cellulaires

In regards to the emerging interest for Location Based Services (LBS), this thesis was initiated with the goal of providing "low-cost" and "continuous" LBS to the end users. The Location Fingerprinting (LFP) method has been adopted as the main axis of our studies, where it is investigated in a machine learning perspective. As the first major contribution of this dissertation, we tackled the problem of radio database compression in LFP systems, by reducing the number of records. The cluster analysis in this work was proposed with the goal of reducing the computation and transmission loads, in order to decrease the terminal power consumption in mobile-based LFP systems. We proposed to perform the compression by applying a "clustering" process during the training phase. Once the standard clustering methods were examined, as a next step, a clustering algorithm well-tailored to the structure of the radio database was proposed. In the next part of the thesis, we tackled the problem of missing data in the RSS-based fingerprinting systems. A specific missing mechanism was proposed to describe the missingness occurring in RSS measurements, issued from the 3GPP-defined scanning process (as in 2G and 3G). Our modeled missing mechanism proceeds based on two parameters: the receiver minimum sensitivity for signal detection, and the maximum number of base stations to be measured in the radio measurements. Next, statistical methods were developed at two different levels, to deal with missing data.Ces dernières années, les services basés sur la position (Location Based Services, LBS) ont attiré l'attention des opérateurs mobiles et autres acteurs des télécommunications. L'un des intérêts des opérateurs mobiles dans le contexte de LBS est d'offrir aux abonnés une localisation précise, durable et d'un coût peu élevé. Une méthode éventuelle qui peut répondre à ces besoins, est la méthode de "localisation basée sur les empreintes radios " (Location Fingerprinting, LFP). La méthode LFP exploite les réseaux radios existants, comme les réseaux cellulaires, ou les WLANs. La méthode profite des mesures génériques qui sont disponibles à partir des interfaces radios, et permet donc une localisation à bas coûts.La méthode n'exige pas une grande consommation d'énergie, car elle profite des mesures radios génériques qui se font régulièrement au sein du terminal. La première partie principale de cette thèse concerne la compression de la base de données radio, dans les systèmes de LFP. Nous avons proposé d'effectuer cette compression en appliquant une technique de Clustering pendant la phase d'apprentissage. A cette égard, nous avons développé un algorithme de clustering, bien adapté à la structure des empreintes radios dans la base. Dans la deuxième partie principale de cette thèse, nous avons abordé le sujet du traitement des données manquantes dans les bases de données radio. Une approche systématique a été développée, où on distingue le modèle pour les données complètes, et le modèle pour le mécanisme d'effacement. Ainsi, un algorithme de localisation basé sur le Maximum de Vraisemblance, et une technique de Multiple Imputation sont développés, qui traitent les données manquantes pendant la phase de localisation et la phase d'apprentissage