La technique MIMO (Multiple-Input Multiple-Output) est l’une des techniques de base qui offre une diversité spatiale. Elle associe plusieurs antennes à l’émission et à la réception. En plus de la diversité spatiale, le système MIMO permet d’augmenter le gain de multiplexage sans avoir besoin de plus de bande passante ou de puissance d’émission. Cependant, la technique MIMO a des limites liées au coût d’installation de plusieurs antennes sur un terminal, et a l’écart minimal exigé entre les antennes. La communication coopérative a été proposée comme une technologie alternative, dans laquelle la diversité spatiale peut être réalisée en coordonnant plusieurs nœuds qui sont proches géographiquement pour former des réseaux d’antennes virtuelles. La coopération permet de lutter contre l’instabilité du canal radio et de faire face aux phénomènes qui le perturbent comme les évanouissements, les bruits, ou les interférences. Elle permet aussi d’améliorer les performances du système en termes de débit global, d’énergie consommée et d’interférences, etc. Dans le cadre des communications coopératives, nous avons proposé deux protocoles MAC coopératifs dans le contexte des réseaux ad hoc. La première proposition est le protocole RACT (Rate Adaptation with Cooperative Transmission). Ce protocole combine la coopération avec un mécanisme d’adaptation de débit. Lorsqu’un lien entre une source et une destination subit de mauvaises conditions de canal, une station relais est sélectionnée dans le voisinage des deux nœuds de sorte que la liaison directe à faible débit de transmission soit remplacée par un lien à deux sauts avec un débit de données plus élevé. La sélection du meilleur relais est fondée sur un processus de contention distribué. La procédure ne nécessite aucune connaissance de la topologie et aucune communication entre les relais potentiels. Lorsque la qualité de la liaison directe est bonne et que la transmission coopérative n’est pas nécessaire, le protocole fonctionne comme un mécanisme d’adaptation de débit. L’adaptation de débit de données est également réalisée sans aucune signalisation supplémentaire. La sélection du meilleur relais et l’adaptation de débit sont fondés sur des mesures instantanées du canal pour s’adapter aux conditions dynamiques du canal radio. Dans le but d’améliorer davantage les performances du système, nous avons proposé notre deuxième protocole MAC coopératif PRACT (Power and Rate Adaptation with Cooperative Transmission). Ce protocole combine un mécanisme d’adaptation de puissance et de débit (TPRC : Transmit Power and Rate Control) avec un mécanisme de coopération. C’est en cela que cette contribution se distingue des solutions proposées dans la littérature. Notre objectif avec cette contribution est d’atteindre une efficacité d’énergie pour la transmission des données tout en augmentant le débit global du réseau. PRACT propose d’ajuster dynamiquement la puissance et le débit de transmission en s’adaptant aux variations de la qualité du canal radio. Cela permet de gagner davantage dans l’énergie économisée. En outre, le contrôle de puissance, réduit les interférences et augmente la réutilisation spatiale entre cellules ad hoc adjacentes en utilisant la même fréquence de transmission. L’idée de base du protocole est de permettre à chaque nœud dans le réseau ad hoc de créer une table avec les combinaisons puissance-débit optimales, en se fondant seulement sur les spécifications de la carte réseau, à savoir, les débits de transmission possible et la consommation en énergie de la carte. Avec la connaissance des qualités des liens obtenue grâce à l’échange des trames de contrôle et en recherchant dans la table puissance-débit, les nœuds choisissent la stratégie de transmission la plus adaptée pour chaque transmission de trames de données, ainsi que le mode de transmission (direct ou coopératif). / MIMO (Multiple-Input Multiple-Output) technology is one of the basic techniques that offer a spatial diversity. It combines multiple antennas for transmission and reception. In addition to spatial diversity, MIMO can increase the multiplexing gain without requiring more bandwidth or transmit power. However, the MIMO technology has limitations related to the cost of installing multiple antennas on a terminal, and to the minimum distance required between antennas. The cooperative communication has been proposed as an alternative technology, in which the spatial diversity can be achieved by coordinating multiple nodes that are geographically close to form virtual antenna arrays. Cooperation helps to fight against the instability of the radio channel and deal with phenomena that disturb this channel like fading, noise or interference. It also improves system performance in terms of overall throughput, energy consumption and interference, etc. In the context of cooperative communications, we proposed two MAC protocols in the context of cooperative ad-hoc networks. The first proposal is the RACT (Rate Adaptation with Cooperative Transmission) protocol. This protocol combines cooperation with a rate adaptation mechanism. When a link between a source and a destination suffers from poor channel conditions, a relay station is selected in the neighborhood of the two nodes so that the direct low data-rate link is replaced by a two-hop link with a higher data-rate. Selecting the best relay is based on a distributed contention process. The procedure requires no knowledge of the topology and no communication between the potential relay. When the quality of the direct link is good enough and the cooperative transmission is not necessary, the protocol operates as a rate adaptation mechanism. The data rate adaptation is also performed without any additional signaling. Both the best relay selection and the rate adaptation is based only on the instantaneous channel measurements to adapt to the dynamic conditions of the radio channel. In order to further improve the system performance, we proposed our second cooperative MAC protocol PRACT (Power and Rate Adaptation with Cooperative Transmission). This protocol combines a power and rate control mechanism (TPRC: Transmit Power and Rate Control) with a mechanism for cooperation, this feature distinguishes this contribution from the solutions proposed in the literature. Our objective with this contribution is to achieve energy efficiency for data transmission while increasing the overall throughput of the network. PRACT proposes to dynamically adjust dynamically the power and the transmission rate to adapt to the radio channel quality variations. This way more energy can be saved. In addition, the power control reduces interference and increases the spatial reuse between adjacent ad-hoc cells using the same channel transmission frequency. The basic idea of the protocol is to allow each node in the network to create a table with the best power-rate combinations, based only on the specifications of the network card, namely the possible transmission rates, transmit power levels and the power consumption of the card. With the knowledge of the qualities of links obtained through the exchange of the control frames and looking up in the power-rate table, the nodes choose the most suitable transmission strategy, for each data frame transmission, and the transmission mode (direct or cooperative).

L'Internet des objets (IoT) devrait interconnecter plus de 50 milliards d’objet d'ici à 2020. Avec l'IoT, une variété d’objets de différentes industries seront interconnectés à travers Internet. Avec un accent sur la gestion et le stockage des ressources énergétique et l'eau. L'IoT permet d’enrichir les services fournis par les distributeurs d’énergie à travers les smart-grid au-delà de la distribution, de l'automatisation et du contrôle. Les systèmes de gestion pour la domotique et les bâtiments intelligents aideront les consommateurs à surveiller et à ajuster leur consommation. Les compteurs intelligents fournissent ainsi un ensemble d’information permettant aux fournisseurs d’énergie de mettre en place des services plus intelligents pour l'ensemble de la chaîne de production d'énergie. L'objectif principal de ce projet de recherche doctorale est de développer des modules de communication très basse consommation. La consommation énergétique étant la plus grande contrainte pour les applications de compteurs intelligents. Les objets connectés alimentés par batterie tels que les capteurs et compteurs de gaz et d'eau sont concernés directement par la consommation en énergie de leur module de communication. Aujourd'hui, la plupart des solutions sans fil embarquées conçues pour capteurs alimentés ne sont pas compatible avec la pile protocolaire IPv6 afin d’économiser la consommation énergétique. Élaborer des technologies sans fil de l'IoT pour atteindre les objectifs de consommation d'énergie va démocratiser l’utilisation de ces technologies et aider les solutions de l’IoT à trouver leur place sur le marché. Ce doctorat débutera par: 1) Un état de l'art permettant d'examiner les solutions actuelles développées pour les réseaux de capteurs et des protocoles conçus pour les appareils alimentés par batterie. 2) Dans un deuxième temps en examinant les solutions Itron pour IPv6 réseau maillé. 3) La troisième phase sera la proposition et la conception d'une solution à faible consommation pour les modules sans fil et l'internet des objets. 4) Et enfin l’expérimentation et la validation des solutions proposées sur des plateformes d’expérimentations / The Internet of Things (IoT) is expected to grow to 50 billion connected devices by 2020. Within the IoT, devices across a variety of industries will be interconnected through the Internet and peer-to-peer connections as well as closed networks like those used in the smart grid infrastructure. With the global focus on energy and water management and conservation, the IoT will extend the connected benefits of the smart grid beyond the distribution, automation and monitoring being done by utility providers. Management systems for in-home and in-building use will help consumers monitor their own usage and adjust behaviors. These systems will eventually regulate automatically by operating during off-peak energy hours and connect to sensors to monitor occupancy, lighting conditions, and more. But it all starts with a smarter and more connected grid. Smart metering provides a base around which utilities can build up smarter advanced services for the whole chain of energy generation, transmission and distribution. The main objective of this doctoral research project is to come up with the IoT communication modules with very low consumption characteristics. The energy consumption is the most challenging issue for smart home and smart metering applications. The battery powered devices such as sensors and gas and water meters are concerned directly with the consumption of their communication module. Today most of the embedded wireless solutions designed for sensors and battery powered devices do not embed IPv6 stack in the communication module to have a basic hardware with low consumption. Elaborating IoT wireless technologies to achieve the tough energy consumption objectives imposed to them will boost up the spread of these technologies and help IoT to find its place in the market fast. This PhD program will start with: First) a state of the art and reviewing the current solutions developed for sensor networks and protocols designed for battery powered devices. Second) it continues by reviewing Itron solutions for IPv6 meshed network. Third) Design of a low consumption solution for IoT wireless modules and) finally test and experimentation on platform

Due to the highly-varying wireless channels over time, frequency, and space domains, statistical QoS provisioning, instead of deterministic QoS guarantees, has become a recognized feature in the next-generation wireless networks. In this dissertation, we study the adaptive wireless resource allocation problems for statistical QoS provisioning, such as guaranteeing the specified delay-bound violation probability, upper-bounding the average loss-rate, optimizing the average goodput/throughput, etc., in several typical types of mobile wireless networks. In the first part of this dissertation, we study the statistical QoS provisioning for mobile multicast through the adaptive resource allocations, where different multicast receivers attempt to receive the common messages from a single base-station sender over broadcast fading channels. Because of the heterogeneous fading across different multicast receivers, both instantaneously and statistically, how to design the efficient adaptive rate control and resource allocation for wireless multicast is a widely cited open problem. We first study the time-sharing based goodput-optimization problem for non-realtime multicast services. Then, to more comprehensively characterize the QoS provisioning problems for mobile multicast with diverse QoS requirements, we further integrate the statistical delay-QoS control techniques — effective capacity theory, statistical loss-rate control, and information theory to propose a QoS-driven optimization framework. Applying this framework and solving for the corresponding optimization problem, we identify the optimal tradeoff among statistical delay-QoS requirements, sustainable traffic load, and the average loss rate through the adaptive resource allocations and queue management. Furthermore, we study the adaptive resource allocation problems for multi-layer video multicast to satisfy diverse statistical delay and loss QoS requirements over different video layers. In addition, we derive the efficient adaptive erasure-correction coding scheme for the packet-level multicast, where the erasure-correction code is dynamically constructed based on multicast receivers’ packet-loss statuses, to achieve high error-control efficiency in mobile multicast networks. In the second part of this dissertation, we design the adaptive resource allocation schemes for QoS provisioning in unicast based wireless networks, with emphasis on statistical delay-QoS guarantees. First, we develop the QoS-driven time-slot and power allocation schemes for multi-user downlink transmissions (with independent messages) in cellular networks to maximize the delay-QoS-constrained sum system throughput. Second, we propose the delay-QoS-aware base-station selection schemes in distributed multiple-input-multiple-output systems. Third, we study the queueaware spectrum sensing in cognitive radio networks for statistical delay-QoS provisioning. Analyses and simulations are presented to show the advantages of our proposed schemes and the impact of delay-QoS requirements on adaptive resource allocations in various environments.