Description
Date depot: 1 janvier 1900
Titre: Analyse des algorithmes distribués pour l'approximation stochastique dans les réseaux capteurs
Directeur de thèse:
Eric MOULINES (CMAP)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Non defini
Resumé:
Dans le cadre du traitement statistique du signal, les réseaux multi-agents servent à un grand nombre d’applications. Dans le milieu radio, les réseaux de capteurs sans fils s’utilisent à la surveillance d’environnements ou la détection et poursuite de cibles par exemple. Dans internet, les machines sont les agents qui servent à toutes les applications liées au « cloud computing » ou plus récemment, à la gestion de « big data ». Les réseaux distribués se caractérisent par l’absence d’agent central qui collecte toutes les données et qui se charge des calculs et de la gestion du reste des agents. Nous considérons un réseau d'agents dont le but est d'estimer un paramètre d'intérêt. Un agent est un dispositif capable de recueillir quelques informations d’une façon locale et/ou partielle sur le paramètre inconnu, pour effectuer des calculs locaux à chaque instant de temps et de fusionner des informations avec d'autres agents dans son voisinage. Nous cherchons à concevoir et analyser algorithmes distribués d'approximation stochastique, qui sont bien adaptés au cas où les données sont collectées en ligne, simultanément avec le processus d'estimation.
La première partie de la thèse porte sur les méthodes distribuées d'adaptation-diffusion. A chaque itération de l'algorithme, les agents mettent à jour leurs estimations locales et fusionnent ces résultats avec les estimations de leurs voisins. Nous étudions la convergence de l'algorithme et l'influence du protocole de communication sur sa performance asymptotique. Nous appliquons nos résultats à l'inférence statistique dans les réseaux de capteurs sans fil. Dans la deuxième partie de la thèse, nous étudions l’analyse en composantes principales distribuée. Nous proposons un algorithme d'approximation stochastique distribuée sur la base de la méthode d’Oja permettant d'estimer l'espace propre/principal d'une matrice partiellement observée. Nous appliquons nos résultats à l'auto-localisation dans les réseaux de capteurs sans fil. Les résultats numériques effectués sur un plateforme réelle des capteurs sans fil soutiennent le comportement attractif de notre approche.
Doctorant.e: Morral Gemma