Directory Intranet
Chargement
ZEBADUA Gabriel Augusto

Traitement du signal dans le domaine compressé et quantification sur un bit : deux outils pour les contextes sous contraintes de communication

 

Directeur de thèse :     Pierre-Olivier AMBLARD

Co-encadrant :     Eric MOISAN

École doctorale : Electronique, electrotechnique, automatique, traitement du signal (eeats)

Spécialité : Signal, image, parole, télécoms

Structure de rattachement : Grenoble-INP

Établissement d'origine : INP-PHELMA

Financement(s) : Contrat doctoral

 

Date d'entrée en thèse : 01/10/2014

Date de soutenance : 11/12/2017

 

Composition du jury :
André FERRARI- Pr. Laboratoire Lagrange, rapporteur
​Jean-François BERCHER- Pr ESIEE Paris, rapporteur
Jean-Marc BROSSIER- Pr. Gipsa-lab DIS/CICS, examinateur
Rodrigo CABRAL FARIAS - MC. Laboratoire I3S, examinateur
Pierre-Olivier AMBLARD- DR. Gipsa-lab DIS/CICS, Directeur de thèse
Eric MOISAN- MC. Gipsa-lab DIS/CICS, Co-encadrant
Olivier MICHEL- Pr. Gipsa-lab DIS/CICS, Invité

 

Résumé : La surveillance de phénomènes physiques à l'aide d'un réseau de capteurs (autonomes mais communicants) est fortement contrainte en consommation énergétique, principale- ment pour la transmission de données. Dans ce cadre, cette thèse propose des méthodes de traitement du signal permettant de réduire les communications sans compromettre la précision des calculs ultérieurs. La complexité de ces méthodes est réduite, de façon à ne consommer que peu d'énergie supplémentaire. Deux éléments servent à leur synthèse : la compression dès l'acquisition (Acquisition compressive) et la quantification grossière (sur 1 bit). D'abord, on étudie le corrélateur compressé, un estimateur qui permet d'évaluer les fonctions de corrélation, temps de retard et densités spectrales en exploitant direc- tement des signaux compressés. Ses performances sont comparées au corrélateur usuel. Si le signal à traiter possède un support spectral étroit, l'estimateur proposé s'avère sensiblement meilleur que l'usuel. Ensuite, inspirés par les corrélateurs à forte quantification des années 50 et 60, deux nouveaux corrélateurs sont étudiés : le compressé sur 1 bit et le compressé hybride, qui peuvent également surpasser les performances de leurs contreparties non-compressées. Finalement, on montre la pertinence de ces méthodes pour les applications envi- sagées à travers l'exploitation de données réelles.<
ABSTRACT<
Monitoring physical phenomena by using a network of sensors (autonomous but in- terconnected) is highly constrained in energy consumption, mainly for data transmission. In this context, this thesis proposes signal processing tools to reduce communications without compromising computational accuracy in subsequent calculations. The com- plexity of these methods is reduced, so as to consume only little additional energy. Our two building blocks are compression during signal acquisition (Compressive Sensing) and coarse quantization (1 bit). We first study the Compressed Correlator, an estimator which allows for evalua- ting correlation functions, time-delay, and spectral densities directly from compressed signals. Its performances are compared with the usual correlator. As we show, if the signal of interest has reduced frequency content, the proposed estimator significantly outperforms the conventional correlator. Then, inspired by the coarse quantization correlators from the 50s and 60s, two new correlators are studied : The 1-bit Compressed and the Hybrid Compressed, which can also outperform their uncompressed counterparts. Finally, we show the applicability of these methods in the context of interest through the exploitation of real data.


GIPSA-lab, 11 rue des Mathématiques, Grenoble Campus BP46, F-38402 SAINT MARTIN D'HERES CEDEX - 33 (0)4 76 82 71 31