École de technologie supérieure
Étude du mouvement des réseaux mobiles ad-hoc, estimation et prédiction de la qualité de lien par une méthode d'extrapolation historique utilisant les "Time Series"
Abstract
dc:descriptionLes MANETs (Mobile Ad hoc NETworks) ont été au coeur d'un nombre croissant de travaux de recherche et de publications au cours de ces dernières années. Bien que la majorité de ces études traitent d'un aspect particulier ou à une couche donnée des systèmes ad-hoc, de plus en plus de travaux abordent les problématiques avec une vision globale, allant de plus en plus vers une approche cross-layer. Un des principaux problèmes dans un MANET est la variation constante de la qualité des liens entre les noeuds, essentiellement due à leurs mouvements. De nombreuses approches basées sur la prédiction de la qualité de lien, sur la prédiction du mouvement, ou du moment de rupture ont été proposées. Nous proposons un modèle, Time Series Received Power Prediction (TSRPP), simple, efficace et basé sur des éléments historiques. Il permet de prédire la variation de la puissance reçue à partir des valeurs passées à travers l'utilisation des outils de time series basés sur le exponential smoothing. L'idée est d'offrir un outil qui fournit des éléments d'information sur l'état des liens à horizon court, deux secondes. Une liberté totale étant laissée aux utilisateurs de notre outil quand aux changements à apporter dans les protocoles de la couche MAC, du routage, de construction et maintenance de clusters et de backbones pour prendre en compte la prédiction dans leur fonctionnement. Il ne fait nul doute que, pour le moment, les outils de simulation sont le moyen privilégié pour tester toute proposition ou éprouver un protocole. De ce fait et au vu de l'impact considérable de la mobilité sur les performances des MANETs, une modélisation réaliste du mouvement prend toute son importance. Pour élaborer et tester notre modèle de prédiction dans de bonnes conditions de réalisme, nous proposons deux modèles de mobilité, Temporal Dependency with Pause time Dependency mobility model (TDPD)et Temporal Dependency and Movement Dependency mobility model(TDMD), qui se veulent aussi simples d'utilisation que Random Waypoint tout en fournissant des traces plus réalistes. De même et dans le but de modéliser de façon assez fine la puissance du signal reçu par le récepteur, nous utilisons un modèle de propagation répandu dans la littérature qui prend aussi bien en compte les phénomènes d'atténuation à tendance longue que les variations aléatoires plus rapides. À travers des simulations sous Matlab, nous montrons les caractéristiques de nos modèles de mouvements ainsi que la qualité des résultats de notre modèle de prédiction. Nos résultats tendent à confirmer le proverbe «l'histoire est ce qui empêche l'avenir d'être n'importe quoi».
Degree
thesis:*- Name thesis:degree_name
- Mémoire de maîtrise électronique
- Level thesis:degree_level
- masters
- Grantor dc:publisher
- École de technologie supérieure
- Year dc:date
- 2006
Author and committee
dc:creator, dc:contributor.*- Author dc:creator
-
- Mohanna, Hachem
Subjects
dc:subject × 1Rights
- Language dc:language
- fr
Identifiers
dc:identifier.*- Identifier
- INSERT-YOUR-LIBRARY-ID-HERE513