Polytech Projets Ge » Projets 2024 » P24AB01 Identification de l'émetteur à partir du préambule LoRa

h1. Informations de conception

*Architecture du système*

Ce projet repose sur la communication sans fil LoRa, avec une analyse approfondie des signaux via GNU Radio et une identification des émetteurs grâce à un modèle de machine learning.

	•	Émetteur (ESP32 WiFi LoRa 32 V2) : envoie des trames LoRa contenant des informations comme le CFO et le SF.

	•	Récepteur (bladeRF 2.0 micro) : reçoit les signaux LoRa via un SDR et les transmet à GNU Radio.

	•	Traitement du signal (GNU Radio + gr-lora) : décode les trames LoRa et extrait le CFO.

	•	Apprentissage automatique (MATLAB) : classifie les émetteurs en fonction des valeurs de CFO.

!clipboard-202502021749-4cfco.png!

*Choix technologiques*

Le choix des technologies repose sur les besoins spécifiques du projet :

	•	Matériel : bladeRF 2.0 micro, ESP32 WiFi LoRa 32 V2

	•	Logiciel : GNU Radio, gr-lora, MATLAB

Pourquoi ces technologies ?

	•	GNU Radio : offre une flexibilité pour le traitement des signaux SDR.

	•	MATLAB : propose des outils avancés pour l’analyse et la classification machine learning.

	•	LoRa : permet des communications longue portée avec une faible consommation d’énergie.

*Fonctionnalités des principaux modules*

!%E6%88%AA%E5%B1%8F2025-02-02%2017.50.13.png!

*Contraintes et défis du projet*

	•	Sensibilité du CFO au bruit → besoin de filtres avancés.

	•	Impact de la distance et des interférences → nécessité d’une calibration rigoureuse.

	•	Collecte de données → un nombre suffisant d’échantillons est nécessaire pour améliorer l’apprentissage.

*Perspectives d’amélioration*

	•	Amélioration du calcul du CFO pour réduire l’erreur et améliorer la précision.

	•	Augmentation du volume de données pour entraîner un modèle plus robuste.

	•	Optimisation des performances en temps réel pour rendre l’identification des émetteurs plus rapide et applicable à de grands réseaux LoRaWAN.