Le paradigme d'émergence spontanée de services (Spontaneous Emergence Paradigm, SEP) pour la mise en œuvre de l’informatique omniprésente ou diffuse (pervasive computing), consiste à fournir des services aux utilisateurs en fonction de leur environnement ad hoc. Ce paradigme a prouvé son efficacité et son adéquation aux applications distribuées sensibles au contexte. Ce travail se concentre sur deux aspects liés à la mise en œuvre des services SEP. Le premier se distingue de ce qui est proposé dans la littérature, par une approche physiologique de « Dead Reckoning » (Physiological Pedestrian Dead Reckoning Approach, PDR), qui permet de corriger les erreurs de positionnement à partir de données physiologiques comme la fréquence cardiaque et la vitesse de déplacement. Cette approche utilise des modèles stochastiques, qui reposent sur la distribution des probabilités des fréquences cardiaques précédemment collectées par rapport à la vitesse de déplacement de l’utilisateur (par exemple, par apprentissage via une marche sur un tapis roulant). Le modèle proposé permet ainsi d’ajuster les vitesses lues dans n’importe quel futur système PDR. Le deuxième aspect de cette recherche concerne la détection de réseaux d’affinités (Social Relationship Detection framework, SRD). Cette approche propose d’explorer le niveau d’affinité entre personnes en fonction de leur connexions et interactions selon plusieurs conditions. Ces connexions à des bornes WAP (Wireless Access Point), par rapport à chaque condition, sont consolidées pour former des distributions de probabilités. Par la suite, ces distributions de probabilités sont introduites dans un réseau de neurones (back propagation neural network) pour détecter et déterminer les affinités entre utilisateurs. Cette approche permet une prise de décision adaptative à chaque connexion au WAP et selon le comportement de l’utilisateur, contrairement aux approches classiques reposant uniquement sur une connaissance globale au préalable de la convergence des attributs des utilisateurs concernés. / Service Emergence Paradigm (SEP), based on a pervasive computing approach, consists of providing services to users within intended applications, transparently from their intentions, relatively to their needs, and regardless of the time and devices used. This considered paradigm has been proved sufficiently in applications that have context awareness schemes and various working threads. This research focuses on two aspects for providing SEP services. This first aspect is to implement a Physiological Pedestrian Dead Reckoning Approach (PPDR) that corrects position errors in pedestrian dead reckoning systems based on the heart rate parameter. This approach uses specific stochastic models that rely on probability distributions of previously collected heart rate values with respect to their velocities of a user during a treadmill walk. The reason behind this collection is to form a pattern that contributes in adjusting currently read velocities in any future PDR system. The second aspect of this research is the Social Relationship Detection framework (SRD). This approach proposes a mean for exploring the level of relationship between people by observing the network connection pattern of each person over several conditions. These connections, with respect to each condition, are consolidated to form a set that holds different probability distributions. These distributions are formed based on the users’ Wireless Access Point (WAP) connection establishment routine. Afterwards, the distributions of the probabilities are fed into a trained back propagation neural network to detect the level of relationship between candidate users for forthcoming friendship recommendations. This approach is elaborated in a technique that achieves intelligent decision-making whenever the connection pattern to the WAP and the user behavior are changing with time. It is also distinguished from other classical approaches that rely solely on prior knowledge of the convergence of the users’ attributes.

Dans cette thèse, nous étudions les algorithmes d’alignement d’interférence dans les réseaux hétérogènes basés sur la sélection des flux. Tout d’abord, nous considérons différents scénarios de déploiement des pico-cellules dans un contexte de connaissance parfaite des canaux de transmission au niveau des émetteurs. Deux algorithmes sont proposés respectivement pour les réseaux totalement et partiellement connectés. Afin d’assurer une équité entre les liens, les algorithmes garantissent qu’au moins un flux de chaque lien émetteur/récepteur soit sélectionné. La séquence des flux est choisie parmi un ensemble qui contient les séquences les plus souvent sélectionnées en effectuant une recherche exhaustive. Ces algorithmes sont significativement moins complexes que la recherche exhaustive tout en ayant une performance proche de celle-ci. Après la sélection d’un flux, les interférences entre ce flux et les flux qui n’ont pas encore été sélectionnées sont alignées par projections orthogonales. Dans une deuxième partie de la thèse, l’impact de la connaissance partielle des canaux de transmission sur les algorithmes proposés est analysé. Il est montré que les interférences entre flux causent alors une forte dégradation des performances en raison des erreurs de quantification. Pour réduire cette dégradation, un nouvel algorithme est développé pour ce contexte. Finalement, des schémas d’allocation adaptative des bits pour les voies de retour sont proposés afin d’augmenter les performances des algorithmes précédents. Les performances de ces schémas et de ces algorithmes sont évaluées en considérant différents scénarios avec différentes topologies des pico-cellules. Nous avons montré que les algorithmes proposés pour le cas des transmissions avec voie de retour sont significativement plus robustes et plus performants que les algorithmes d’alignement d’interférence classiques. / In this thesis, we study the stream selection based interference alignment (IA) algorithms, which can provide large multiplexing gain, to deal with the interference in the heterogeneous networks. Firstly, different deployment scenarios for the pico cells are investigated assuming perfect channel state information (CSI) at the transmitters.Two different stream selection IA algorithms are proposed for fully and partially connected interference networks and selecting at least one stream is guaranteed for each user. A stream sequence is selected among a predetermined set of sequences that mostly contribute to the sum-rate while performing an exhaustive search. In the proposed algorithms, the complexity of the exhaustive search is significantly decreased while keeping the performance relatively close. After selecting a stream, the interference generated between the selected and the unselected streams is aligned by orthogonal projections. Then, the influence of the imperfect CSI on the proposed algorithms is analyzed and it is observed that the intra-stream interference causes a significant degradation in the performance due to the quantization error. Therefore, we propose an algorithm for the limited feedback scheme. Finally, adaptive bit allocation schemes are presented to maximize the overall capacity for all the proposed algorithms. The performance evaluations are carried out considering different scenarios with different number and placements of pico cells. It is shown that the proposed algorithm for the limited feedback is more robust to channel imperfections compared to the existing IA algorithms.