Apprentissage et adaptation au canal de propagation pour liens radiofréquence ultra-faible consommation dédiés aux applications à très grande autonomie

L'adoption à grande échelle d'applications basées sur l'Internet des Objets (IdO) nécessite une augmentation considérable de la durée de vie des objets communicants qui doivent être autonomes en énergie pour de très longues durées (supérieures à 10 ans). Une piste possible pour diminuer la consommation moyenne d'un nœud consiste à fournir au transceiver radiofréquence (RF), le composant du nœud qui est souvent le plus gourmand en énergie, l'intelligence nécessaire pour que celui-ci adapte ses performances aux conditions dynamiques du canal de propagation RF, évitant ainsi de dissiper inutilement de l'énergie lorsque les conditions de propagation sont bonnes. En effet, vu les très grandes dynamiques de signal observées dans tout système RF réel, typiquement de l'ordre de 30 à 100 dB, les gisements d'économies d'énergie possibles sont très considérables. Le cœur du système RF adaptatif est le mécanisme d'estimation de la qualité du lien. Bien que historiquement les indicateurs de qualité de lien basés sur le niveau du signal reçu ou le taux d'erreur trame étaient peu fiables et difficiles à exploiter, de nouveaux indicateurs de qualité de lien émergent actuellement dans la littérature, indicateurs capables de reconstruire une image du rapport signal à bruit (SNR) par symbole reçu. Nous postulons que les transceivers intelligents du futur les exploiteront pour extraire des informations précises sur les conditions de propagation et, le cas échéant, sur les raisons probables de la détérioration de la qualité du lien (masquage, évanouissement, interférence due aux transmissions RF simultanées (co-canal, adjacent, intra et inter réseaux), interférence RF due aux divers bruits électromagnétiques dans l'environnement (fours micro-ondes), etc...) afin de s'y adapter et ainsi minimiser leur consommation d'énergie.