Informations de conception » Historique » Version 5
Alexis ANGLADE, 02/02/2025 20:46
| 1 | 1 | Alexis ANGLADE | h1. Informations de conception |
|---|---|---|---|
| 2 | 2 | Yan ZHAO | |
| 3 | 5 | Alexis ANGLADE | ___ |
| 4 | 1 | Alexis ANGLADE | |
| 5 | 5 | Alexis ANGLADE | > h2. Contenu de la section |
| 6 | |||
| 7 | Cette section présente toutes les informations de conception du projet, c'est-à-dire que cette section décrit le système utilisé, pourquoi il a été utilisé, quelles ont été les contraintes rencontrées et les améliorations possibles vis-à-vis de ces contraintes (les résultats étant donnés dans le [[Rapport de projet]]). |
||
| 8 | |||
| 9 | > > h3. 1. Architecture du système |
||
| 10 | |||
| 11 | 2 | Yan ZHAO | 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. |
| 12 | • Émetteur (ESP32 WiFi LoRa 32 V2) : envoie des trames LoRa contenant des informations comme le CFO et le SF. |
||
| 13 | • Récepteur (bladeRF 2.0 micro) : reçoit les signaux LoRa via un SDR et les transmet à GNU Radio. |
||
| 14 | 1 | Alexis ANGLADE | • Traitement du signal (GNU Radio + gr-lora) : décode les trames LoRa et extrait le CFO. |
| 15 | • Apprentissage automatique (MATLAB) : classifie les émetteurs en fonction des valeurs de CFO. |
||
| 16 | 5 | Alexis ANGLADE | p=. !clipboard-202502021749-4cfco.png! |
| 17 | 2 | Yan ZHAO | |
| 18 | 5 | Alexis ANGLADE | > > h3. 2. Choix technologiques |
| 19 | 2 | Yan ZHAO | |
| 20 | Le choix des technologies repose sur les besoins spécifiques du projet : |
||
| 21 | • Matériel : bladeRF 2.0 micro, ESP32 WiFi LoRa 32 V2 |
||
| 22 | • Logiciel : GNU Radio, gr-lora, MATLAB |
||
| 23 | |||
| 24 | 1 | Alexis ANGLADE | Pourquoi ces technologies ? |
| 25 | • GNU Radio : offre une flexibilité pour le traitement des signaux SDR. |
||
| 26 | • MATLAB : propose des outils avancés pour l’analyse et la classification machine learning. |
||
| 27 | • LoRa : permet des communications longue portée avec une faible consommation d’énergie. |
||
| 28 | |||
| 29 | 5 | Alexis ANGLADE | > > h3. 3. Fonctionnalités des principaux modules |
| 30 | 3 | Yan ZHAO | |
| 31 | 5 | Alexis ANGLADE | p=. !%E6%88%AA%E5%B1%8F2025-02-02%2019.15.37.png! |
| 32 | |||
| 33 | > > h3. 4. Contraintes et défis du projet |
||
| 34 | |||
| 35 | 3 | Yan ZHAO | • Sensibilité du CFO au bruit → besoin de filtres avancés. |
| 36 | 2 | Yan ZHAO | • Impact de la distance et des interférences → nécessité d’une calibration rigoureuse. |
| 37 | • Collecte de données → un nombre suffisant d’échantillons est nécessaire pour améliorer l’apprentissage. |
||
| 38 | |||
| 39 | 5 | Alexis ANGLADE | > > h3. 5. Perspectives d’amélioration |
| 40 | |||
| 41 | 2 | Yan ZHAO | • Amélioration du calcul du CFO pour réduire l’erreur et améliorer la précision. |
| 42 | • Augmentation du volume de données pour entraîner un modèle plus robuste. |
||
| 43 | • Optimisation des performances en temps réel pour rendre l’identification des émetteurs plus rapide et applicable à de grands réseaux LoRaWAN. |