Soutenance de thèse : Diego MALDONADO MUÑOZ

Méthodes d'estimation, d'évolutivité, de robustesse, et de coordination pour l'IoT direct par satellite

Doctorant : Mohamed ASSENINE

Laboratoire INSA : CITI - Centre d'innovation en Télécommunications et Intégration de Services
École doctorale n°512 lnfoMaths - Informatique et Mathématiques de Lyon

L'Internet des objets direct vers satellite (Direct-to-Satellite Internet of Things, DtS-IoT) est apparu comme un paradigme prometteur pour connecter directement un grand nombre d'appareils terrestres à faible consommation d'énergie à des satellites en orbite terrestre basse (Low Earth Orbit, LEO). Si des avancées récentes, telles que la modulation Long Range - Frequency Hopping Spread Spectrum (LR-FHSS), ont amélioré le budget de liaison et l'efficacité spectrale par rapport à la modulation LoRa classique, les défis fondamentaux que sont l'estimation de la taille du réseau, l'évolutivité de la liaison montante et la robustesse en cas de congestion restent largement non résolus. Cette thèse améliore la fiabilité et l'efficacité des systèmes DtS-IoT en relevant ces trois défis fondamentaux. Tout d'abord, nous introduisons de nouveaux mécanismes d'estimation de la taille du réseau pour les systèmes DtS-IoT basés sur LoRa, notamment les modèles améliorés LoRa-Optimistic Collision Information (L-OCI) et OCI tenant compte de la constellation (CL-OCI). Ces estimateurs fonctionnent dans des conditions fortement sujettes aux collisions et fournissent des informations précises sur la charge a priori du réseau, utiles à l'adaptation des mécanismes d'accès au medium (MAC). Deuxièmement, nous proposons un cadre unifié pour améliorer l'évolutivité de LR-FHSS, combinant de nouvelles perspectives sur la conception des séquences de saut de fréquence (Frequency Hopping Sequences, FHS) avec des stratégies d'allocation de démodulateurs telles que Early-Drop et Early-Decode. Nos résultats montrent des améliorations significatives du volume de données extractibles dans des conditions de forte densité d'objets connectés et de ressources limitées dans les passerelles. Troisièmement, nous concevons un récepteur LR-FHSS amélioré qui permet un décodage robuste des trames dont l'en-tête a été perdu à cause d'un effet Doppler important, en décalage et taux, et d'une forte congestion. En intégrant une reconstruction gloutonne sensible au Doppler et une logique d'alignement des fragments améliorée, le récepteur récupère les trames qui seraient autrement perdues en raison de la corruption de l'en-tête. Cela augmente le taux de réussite global du décodage sans que l'objet connecte ne dépense d'énergie supplémentaire. Quatrièmement, nous abordons le choix entre LoRa et LR-FHSS, pour les communications entre les objets et les satellites, en proposant des méthodes d'accès distribuées tirant parti de techniques légères de détermination de l'orbite des satellites et de balises périodiques. Nous démontrons que les méthodes d'accès conjointes LoRa/LR-FHSS peuvent améliorer l'efficacité énergétique tout en conservant les mêmes performances qu'une approche LR-FHSS-seule. Dans toutes nos contributions, nous combinons des modèles analytiques avec des simulations à grande échelle utilisant le simulateur FLoRaSat étendu et un simulateur FHS dédié. Les méthodologies et architectures qui en résultent fournissent des voies pratiques vers des déploiements DtS-IoT évolutifs, fiables et économes en énergie.