Soutenance mémoire
Géométrie des sources et des capteurs
Localisation et positionnement
Introduction
La réalisation d’un système de localisation implique une infrastructure contenant un ensemble des capteurs permettant d’acquérir les informations nécessaires sous diverses formes (acoustique, électrique, etc.), une référence par rapport à laquelle la position de l’objet à localiser est déterminée et une partie intelligente permettant de traiter les échantillons acquis et d’extraire l’information nécessaire pour déterminer la position.
Le traitement des données peut être effectué à un emplacement dédié du réseau ou au niveau de l’objet mobile souhaitant se localiser. Dans le premier cas le procédé est appelé localisation tandis que dans le deuxième il est connu sous le nom de positionnement [BEN02]. Si l’information sur la position est calculée au niveau du réseau et retransmise à l’objet mobile ou inversement, les deux notions peuvent être inter-changées.
Globalement, ils existent trois approches utilisées pour localiser et/ou positionner des objets mobiles en espace libre :
– Positionnement basé sur les satellites : l’objet mobile est localisé à l’aide de récepteurs de signaux satellitaires. On peut citer le système américain GPS, le système européen Galileo ou le système russe GLONASS.
– Localisation/positionnement basé sur les réseaux cellulaires (ou solutions terrestres): l’objet mobile est localisé à l’aide des signaux qu’il transmet au réseau cellulaire de type GSM par exemple ou trouve sa position à l’aide des signaux reçus.
– Les méthodes hybrides ou coopératives associent les réseaux cellulaires terrestres et satellitaires.
Les estimateurs qu’on peut utiliser
MUSIC
L’algorithme MUSIC (MUltiple SIgnal Classification) est connu comme un des meilleurs algorithmes pour estimer les angles de multi trajets. Il fait la décomposition en valeurs propres de la matrice de covariance à fin d’obtenir des vecteurs propres du signal et du bruit. Son avantage est une bonne résolution. Un des inconvénients est qu’il faut utiliser beaucoup de données. De plus les signaux ne peuvent pas être changés pendant traitement et ils doivent être décarrelés.
C’est un algorithme qui permet de la séparation spatio-temporelle active des multi trajets. En début il était développée dans le domaine temporel, mais après il est devenu amélioré à grâce de la dimension spatiales qui était ajouté. Mais comme algorithme active il a besoin d’envoi périodique d’un signal connu.
Le signal reçus par un capteur de N capteurs est échantillonné à fin d’obtenir le vecteur X de K échantillons. MUSIC fait la décomposition en valeurs propres de la matrice de covariance de ce vecteur. On utilise la formule :
Maintenant on utiliser une décomposition en éléments propres de la matrice de covariance.
Il faut séparer les échantillons en deux sous-espaces orthogonaux : sous-espace « bruit» et sous-espace « signal ».
L’espace signal sera identifié comme M plus grande valeurs propres. On définit ES– le vecteur associe aux M valeurs propres le plus importants (sous-espace signal) et EN- le vecteur des valeurs propres associé aux N-M valeurs propres les plus faibles (sous-espace bruit). Après il faut trouver un projecteur sur l’espace bruit. On détermine la fonction discriminante :
Les avantages de l’algorithme MUSIC
C’est parce que l’algorithme MUSIC a une haute résolution, une précision et une stabilité dans certaines conditions, ce qui attire un grand nombre de chercheurs pour mener des recherches approfondies et des analyses. En général, il présente les avantages suivants lorsqu’il est utilisé pour estimer le DOA d’un signal.
1) La capacité à mesurer simultanément plusieurs signaux.
2) Mesure de haute précision.
3) Haute résolution pour signaux de faisceau d’antenne.
4) Applicable aux circonstances de données courtes.
5) Il peut réaliser un traitement en temps réel après utilisation de la technologie de traitement à grande vitesse.
CAPON
(ou Minimum Variance Distortionless Response algorithm « MVDR ») aussi utilise la matrice de covariance, qui est calculée à partir des échantillons de la réponse impulsionnelle du canal.
En utilisant cette méthode il faut minimaliser la puissance de sortie de système sauf la direction du signal désirée.
GCC-PHAT Corrélation croisée phase de transformation
Le calcul du délai de l’arrivée (TDOA) entre chacun des canaux considérés et le canal de référence est répété le long de l’enregistrement afin que la forme du faisceau réponde aux changements dans le haut-parleur.
La taille de la fenêtre d’analyse et de la taille du segment constitue un compromis. Une grande fenêtre d’analyse ou une fenêtre de segment conduit à une réduction de la résolution des changements dans le TDOA. D’autre part, l’utilisation d’une très petite fenêtre d’analyse réduit la robustesse de l’estimation de corrélation croisée, car moins de trames acoustiques sont utilisées pour la calculer. La réduction de la taille du segment augmente également le coût de calcul du système.
Afin de calculer le TDOA entre le canal de référence et tout autre canal pour un segment donné, il est habituel de l’estimer comme le délai qui fait que la corrélation croisée entre les deux segments de signaux soit maximale. Afin d’améliorer la robustesse contre la réverbération, il est normal d’utiliser la corrélation croisée généralisée avec la phase de transformation (GCC-PHAT) présentée par Knapp et Carter (1976) et Brandstein et Silverman (1997).
On peut aussi examiner la technique de préfiltration appelée Phase Process (PHAT) et discutez de la façon dont elle est utilisée pour améliorer la fiabilité des techniques d’estimation du DOA.
Bien que la valeur maximale corresponde au TDOA estimé pour ce segment particulier, il existe trois cas particuliers pour lesquels il a été jugé non approprié d’utiliser le maximum absolu de la fonction de corrélation croisée. D’une part, le maximum peut être dû à un bruit parasite ou un événement non lié au haut-parleur actif à ce moment-là dans la région acoustique environnante, étant le haut-parleur d’intérêt représenté par un autre maximum local de la corrélation croisée.
D’autre part, lorsque deux haut-parleurs ou plus se chevauchent, chaque haut-parleur sera représenté par un maximum de la fonction de corrélation croisée, mais le maximum absolu ne peut pas être constamment attribué au même haut-parleur, ce qui entraîne une commutation artificielle des haut-parleurs. Afin d’améliorer efficacement le signal, il serait optimal de détecter d’abord si plus d’un locuteur parle en même temps et ensuite d’obtenir un signal de filtre et de somme pour chacun d’eux, en stabilisant les retards sélectionnés et en les évitant de commuter en permanence.
En outre, lorsque le segment qui a été traité est entièrement rempli de données acoustiques non verbales (bruit ou événements acoustiques aléatoires), la fonction GCC-PHAT obtenue ne sera pas du tout instructive. Dans ce cas, aucune information de retard de source ne peut être extraite du signal et les retards doivent être éliminés et remplacés par quelque chose de plus informatif[13].
La localisation par triangulation
Techniques de mesure par la triangulation
Quand un mobile a suffisamment d‘information de distances/angles et de positions, il peut calculer sa position. Pour cela, plusieurs méthodes sont utilisées.
Le choix de la méthode de calcul de la position influe sur les performances finales du système de localisation. Ce choix dépend des informations disponibles et des ressources du processeur.
Le but de cette phase est de trouver les positions des noeuds qui respectent au mieux les distances inter-noeuds estimées.
Si nous connaissons la position de quelques noeuds du réseau dans un certain système de coordonnées, les positions des autres noeuds dans ce système de coordonnées peuvent être trouvées.
La méthode de calcul
L’angle d’incidence du signal émis par le mobile peut être utilisé pour retrouver sa position. Considérons deux balises B1(x1,y1) et B2(x2,y2) à portée du mobile M(x,y).
Chacune dispose des moyens matériels de mesurer l’angle sous lequel elle reçoit le signal de M. Soient α et β ces deux angles.
Comment fonctionne la triangulation ?
La triangulation réseau : la triangulation repose sur le traitement croisé de trois mesures ou plus. Un téléphone mobile dépend d’une seule cellule, mais capte généralement le signal d’au moins deux autres stations.
Les informations sont croisées en fonction du temps de transmission du signal à chaque cellule. La triangulation est aussi obtenue à partir de l’angle d’arrivée du signal ou de sa puissance.
La mesure s’effectue en quelques secondes et la position calculée peut être relativement précise (une centaine de mètres en milieu urbain et quelques centaines de mètres en milieu rural).
En revanche, selon les fournisseurs de technologies, mettre en oeuvre ces méthodes implique parfois d’introduire des éléments de mesure locaux (LMU) et de modifier la carte à puce du terminal mobile, ou le terminal lui-même.
Catégories de triangulation
On peut distinguer 5 grandes catégories de triangulation :
1- la triangulation théorique qui consiste à utiliser plus d’une perspective théorique pour analyser les « données » ;
2- la triangulation des outils de cueillette qui renvoie au fait de faire usage de plus d’un outil (par exemple, utiliser des entrevues, des observations, de l’analyse de documents);
3- la triangulation des chercheurs où la recherche a recours aux points de vue de plus d’un chercheur ;
4- la triangulation des sources qui signifie que les données sont recueillies auprès de plusieurs sources différentes ;
5- enfin, la triangulation «écologique» où les analyses et les interprétations sont soumises à la vérification auprès des sujets participants à la recherche[15].
Performances des différents algorithmes
Les performances des algorithmes à haute résolution ont été analysées de manière statistique en fonction des facteurs tels le nombre de capteurs du réseau, le rapport signal à bruit, le facteur R, et les simulations en bande étroite ont été réalisées à une fréquence stable.
Pour diminuer l’erreur d’estimation de la DOA dans le cas où le facteur R est faible, une solution pourrait consister à augmenter le nombre de capteurs ou les degrés de liberté des méthodes en utilisant des algorithmes multidimensionnels d’estimation conjointe des paramètres. Dans ce cas, les méthodes spectrales (MUSIC et Beamforming) nécessitant des temps de calculs élevés pour l’évaluation des spectres multidimensionnels, et aussi leurs performances étant similaires aux méthodes paramétriques beaucoup plus rapides.
L’estimation du nombre de signaux devant se faire avant l’utilisation des algorithmes d’estimation des paramètres. En fonction de la corrélation entre les signaux, le SNR, etc.
Le nombre de signaux estimés ne reflète pas toujours la réalité. Ceci est particulièrement valable quand les signaux reçus sont fortement corrélés ou le SNR est très faible.
C’est précisément dans ce contexte que nous étudions, dans cette section, les erreurs d’estimation engendrées par un nombre de signaux fixé a priori dans l’algorithme différent de celui correspondant aux signaux réellement reçus [16].
|
Table des matières
CHAPITRE I:Etat de l’art sur la goniométrie et les méthodes de localisation
I Le traitement d’antennes
I.1.1 Généralités
I.1.2 Formulation des signaux
I.2 La goniométrie
I.2.1 Définition et applications
I.2.2 Techniques de traitement de goniométrie
I.2.2.a Goniométrie d’amplitude
I.2.2.b Goniométrie Watson-Watt
I.2.2.c Goniométrie par interférométrie
I.2.2.d Goniométrie à super-résolution et à haute-résolution
II. Algorithmes de localisation
II.1. Trilatération
II.2. Triangulation
II.3. Temps d’arrivée (ToA)
II.4. Différentiel d’arrivée (TDoA)
II.5 Angle Of Arrival (AoA pour Angle of Arrival ou DoA pour Direction of Arrival)
CHAPITRE II :Localisation et positionnement
I. Introduction
II. Les estimateurs qu’on peut utiliser
II.1 L’algorithme MUSIC
II.1.1 Les avantages de l’algorithme MUSIC
II.2 La méthode CAPON
II.3 GCC-PHAT Corrélation croisée phase de transformation
III. La localisation par triangulation
III1 Techniques de mesure par la triangulation
III.2 La méthode de calcul
III.3 Comment fonctionne la triangulation ?
III.4 Catégories de triangulation
IIII. Performances des différents algorithmes
CHAPITRE III:Localisation des sources
I. Introduction
II. Description de travail
II.1 Formule de triangulation
III. Géométrie des sources et des capteurs
III.1 La Forme d’onde
III.2 Signaux de rayonnement
III.3 L’angle d’arrivé
III.4 Estimation et triangulation
IX. Conclusion
Télécharger le rapport complet
