Localisation dans les Réseaux de Capteurs

Localisation dans les Réseaux de Capteurs Pierre Parrend INSA Lyon janvier 2005 i Table des matières 1 Introduction 1 2 Contexte : Les Réseaux de Capteurs 2.1 Architecture . . . . . . . . . . . . . . . . . . . 2.2 Principes . . . . . . . . . . . . . . . . . . . . 2.3 Applications . . . . . . . . . . . . . . . . . . . 2.4 Problématiques . . . . . . . . . . . . . . . . . 2.5 Le Noeud : Composition d’un Capteur . . . . . 2.6 Le Noeud : Calcul de sa Position Géographique 2.6.1 Pourquoi ? . . . . . . . . . . . . . . . 2.6.2 Comment ? . . . . . . . . . . . . . . . 2.6.3 Placement des Noeuds dans le Réseau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 2 2 3 3 4 5 5 5 6 L’Article 3.1 Objectifs . . . . . . . . . . . . . . . . . 3.2 Les Principes . . . . . . . . . . . . . . 3.3 L’Expérience . . . . . . . . . . . . . . 3.4 La Méthode de Calcul . . . . . . . . . . 3.4.1 Estimation du Chemin d’Arrivée 3.4.2 Localisation des Sources . . . . 3.5 Discussion . . . . . . . . . . . . . . . . 3.6 Extension pour la révérbération . . . . . 3.6.1 Ensemble virtuel de capteurs . . 3.6.2 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 7 7 8 8 8 10 10 10 12 12 Critiques et perspectives 4.1 Critiques positives . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 Critiques négatives . . . . . . . . . . . . . . . . . . . . . . . . . 4.3 Perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 14 14 14 3 4 Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 1 1 Introduction Le thème des réseaux de capteurs provoque un intérêt croissant depuis plusieurs années. Les problématiques de localisation, en particulier, sont particulièrement importante, dans la mesure où ces capteurs sont dans un envirronement évolutif, et où ils peuvemt-être eux-même ammenés à modifier leur position, de manière autonome ou non. Dans ce domaine de la localisation, on distingue deux aspects distincts : la localisation des capteurs et la localisation d’objets extérieurs par ces capteurs. C’est à ce deuxième aspect que nous nous intéresserons au travers de l’article ’Les Réseaux de Capteurs Collaboratifs vers la reconstruction de signal acoustique en temps-réel en espace libre et avec réverbérance limitée’ (Collaborative Sensor Networking Towards Real-Time Acoustical Beamforming in FreeSpace and Limited Reverberance). Pour mieux cerner les enjeux du sujets, nous présenterons ce que sont les réseaux de capteurs, leur architecture, leurs usage, ainsi que la manière dont ils sont constitués : les noeuds en forment l’élement de base. La question de la localisation d’un noeud appartenant au réseau de capteurs sera également abordée. L’article présenté ensuite traite de la problèmatique de la localisation d’une source externe par un réseau de capteurs, par le biais de la méthode du Beamforming. Il s’agit plus précisement d’estimer par cette méthode la direction d’arrivée du signal, puis d’en déduire, en combinant les données produites par plusieurs sous-ensembles de capteurs, la position approximative de la source. L’extension de cette méthode au scénarii avec réverbération, valable en espace ouvert, nécessite l’introduction d’un formalisme particulier, à savoir le principe de sous-ensemble virtuel de capteurs. Ces approches complémentaires permettent de résoudre un grand nombre de problèmes posés par la localisation, mais connaissent encore quelques limitations. Certaines sont présentées par les auteurs, d’autres se déduisent des hypothèses mathématiques présentes dans l’article. 2 2 Contexte : Les Réseaux de Capteurs Les informations présentées dans cette partie sont issues de [BAP], document non publié réalisé par une équipe de l’Université de Californie - Los Angeles (UCLA), très active dans le domaine des réseaux de capteurs. Nous présentons les grands principes des réseaux de capteurs, leur architecture, ainsi que les principales applications de recherche et commerciales. Nous nous intéresserons ensuite aux noeuds du réseau de capteur, leurs composants, et les mécanismes de localication qu’ils mettent en oeuvre. 2.1 Architecture Un réseau de capteur est composé de trois couches : Le réseau sans fil, composé de l’ensemble des éléments du réseau, le réseau de capteurs, composé des éléments qui peuvent recevoir une informmation du monde extérieur, et les grappes (clusters) de capteurs, qui réalisent des tâches complexes de traitement du signal. La figure 1 montre l’organisation hiérarchique des réseaux de capteurs. Dans la plupart des cas, un traitement local de l’information est effectué par les capteurs, et l’information utile est transmise à un noeud central (au niveau de la grappe), qui réunit et analyse ces informations. Nous verrons dans cette partie les raisons de cette hiérarchie. F IG . 1 – Architecture d’un réseau de capteurs 2.2 Principes Les capteurs sans fils sont des éléments indépendants les uns des autres, comme leur nom l’indique. Par conséquent, ils doivent également disposer d’une alimentation autonome. Leur durée de vie est limitée par la durée de vie de leur baterie. 3 Cette contrainte forte a une influence majeure sur l’ensemble des techniques mises en place pour le déploiement de tels réseaux. Un effet majeur de cette limitation énergétique est la limitation maximale des transmissions par voie hertzienne, très coûteuses. Il est donc promordial d’effectuer tant que possible le traitement de l’information localement au niveau du noeud. L’enjeu est donc d’étendre la durée de vie du système et sa robustesse, en cas de chûte de certains noeuds seulement. Les problématiques sont donc très éloignées de celles des réseaux classiques, telle la maximisation du débit. 2.3 Applications Les principales applications pour lesquelles les réseaux sur puces sont utilisés sont : – supervision de l’état de l’air, du sol, – environnements dangeureux (centrales nucléaires, etc...), – surveillance d’habitat, – détection de séisme, – surveillance militaire, – inventaires, – espaces intelligents. Il existe plusieurs services commerciaux basés sur les réseaux de capteurs. Par exemple, Active Badge Location System, qui permet la localisation de personnes et d’objets dans un batiment. Sa précision est de 15 centimètres. 2.4 Problématiques Pour réaliser des systèmes capables de fournir de telles applications, un certain nombre d’obstacles doivent être levés. Les plus importants sont : – déploiement ad hoc, par exemple lors d’un largage de capteurs par avion sur une forêt pour la surveiller, – opération sans maintenance, qui nécessite une configuration automatique, – source d’énergie finie, et donc limitation maximale des communications – adaptation dynamique, en particulier lors de l’arrivée ou la chûte de capteurs, ou en cas de modification des stimuli, – routage, pour obtenir une consommation énergétique minimale, – localisation dans un référentiel par rapport aux autres noeuds ou de manière absolue. Tous ces thèmes sont des domaines de recherche actifs. Dans la suite, nous nous intéresserons particulièrement aux mécanismes de localisation, dont traite l’article que nous étudierons. 4 2.5 Le Noeud : Composition d’un Capteur Un noeud d’un réseau de capteur est composé de quatre sous-systèmes principaux. Il s’agit des sous-systèmes de calcul, de communication, de capteur, et de génération de courant. Le sous-système de Calcul Il est aussi appelé MCU, Microcontroller Unit, et à la charge du contrôle des capteurs, et des protocoles de communication. Il peut fonctionner selon des modes différents, en fonction de la consommation souhaitée ou de la quantité d’énergie restante dans le baterie. Le sous-système de communication C’est un système radio à courte portée. Il peut fonctionner en quatre modes : Transmit, Receive, Idle, Sleep. Le sous-système de capteurs C’est l’ensemble de capteurs et d’actionneurs, qui relie le noeud au monde extérieur. La consommation peut être minimisée par l’usage de composants à basse consommation et par la réduction des performances globales. Le sous-système de génération de courant La baterie. L’enjeu est d’augmenter au maximum sa durée de vie, ce qui peut conduire à l’éteindre complétement si l’on ne s’en sert pas. La figure 2 présente l’architecture d’un noeud, et ses différentes composantes. F IG . 2 – Architecture d’un capteur 5 2.6 Le Noeud : Calcul de sa Position Géographique Le rôle des réseaux de capteurs étant souvent la surveillance d’un espace donné, la localisation y joue un rôle promordial. Nous verrons l’importance des mécanismes de localisation, puis le principe de cette localisation. 2.6.1 Pourquoi ? Un système de localisation existe déjà, qui est disponible sur toute la surface du globe : le GPS. Pourtant, il n’est pas satisfaisant pour l’usage nécessaire, car il cumule les handicaps. Il est disponible seulement en extérieur, et encore si aucun obstacle ne vient obstruer le champs de vue des récepteurs : le fonctionnement sous un feuillage dense, ou dans des villes aux rues étroites, n’est pas possible, où seulement dans de très mauvaises conditions. De plus il est particulièrement coûteux, tant en ce qui concerne le matériel - qui est dupliqué en nombreux exemplaires dans un réseau à forte densité de capteurs. De plus, la réception du signal est très gourmande en énergie, ce qui n’est pas compatible avec les problématiques de gestion de durée de vie des bateries. La localisation par moyens propres est donc indispensable. Elle se fait en deux étapes : premièrement l’estimation de la distance aux autres noeuds, et ensuite la triangulation. 2.6.2 Comment ? L’estimation de la distance aux autres noeuds Elle se fait en fonction des propriétés du signal. Le temps de propagation, l’atténuation ou la forme sont évaluées au niveau du noeud pour déduire cette distance. La triangulation Les figures 3 et 4 illustrent la triangulation en deux dimensions et trois dimensions respectivement. Pour la triangulation 2D, la connaissance de trois noeuds est indispensable : avec un noeud, on estime la distance par rapport au point connu - on a donc une infinité de positions possibles. Avec deux noeuds connus, on limite cette incertitude à deux points. Avec trois noeuds, on parvient à estimer la position exacte. La situation réelle met naturellement en oeuvre trois dimensions. La connaissance d’un noeud donne donc comme position possible l’ensemble des points sur la sphère de centre ce noeud. La connaissance d’un deuxième noeud réduit l’incertitude à un cercle. Avec trois noeuds, on a deux points, et avec quatre noeuds, un seul point. Dans la pratique, on utilise un cinquième point, afin de réduire au maximum l’incertitude. 6 F IG . 3 – Triangulation en 2 dimensions F IG . 4 – Triangulation en 3 dimensions 2.6.3 Placement des Noeuds dans le Réseau Une problématique liée à la localisation est celui du placement des noeuds dans un réseau de capteur, c’est à dire comment positionner les noeuds les uns par rapport aux autres. Les types de placement existant sont : – le placement uniforme. Cette configuration n’est pas réaliste, par exemple en cas de largage par avion des capteurs, – le placement dense, qui pose des problèmes de coût, d’interférences entre les signaux, – le placement incrémental. Il s’agit de ne pas faire de calcul global, seulement une estimation de la place optimale pour chaque nouveau capteur intégré au réseau. Ce mécanisme est bon pour adaptation après l’installation, – auto-déploiement. L’objectif est de maximiser l’aire couverte par le réseau, et assurer la prise en compte des obstacles. Le placement par auto-déploiement doit pouvoir être réalisé de manière autonome par les noeuds. XXXConclusion 7 3 L’Article L’article que nous allons présenter concerne la localisation de source pour les réseaux de capteurs. Il s’agit de ’Les Réseaux de Capteurs Collaboratifs vers la reconstruction de signal acoustique en temps-réel en espace libre et avec réverbérance limitée’ (Collaborative Sensor Networking Towards Real-Time Acoustical Beamforming in Free-Space and Limited Reverberance). Il présente des travaux de chercheurs de l’Université de Californie UCLA et de l’Université du Michigan. Nous allons exposer les principes mis en œuvre dans ces travaux, puis les conditions des expériences menées. Ensuite, nous détaillerons les algorithmes utilisés, qui ont été adaptés pour le contexte. Une convention est ensuite introduite pour les auteurs pour prendre en compte la présence de réverbération. Nous discuterons pour ces deux aspects les limitations de la méthode, telle qu’elle est présentée. 3.1 Objectifs L’objectif de cet article est la validation, en efficacité et en robustesse, des algorithmes d’estimation de direction et de localisation de source proposés, et du modèle introduit, qui permet l’usage de ces algorithmes dans le cas de la réverbération. Ces algorithmes sont implémentés sur un banc de test acoustique temps-réel sans fil. Les auteurs annoncent au début de l’article que ’[nous] annonçons que l’usage de ce modèle permet la localisation de source possible dans une salle avec réverbération’ (’we claim using this model makes source localization in a reverberant room possible’). 3.2 Les Principes Les principes qui régissent les algorithmes mis en œuvre sont la localisation de source, permise par le ’Beamforming’ (reconstruction de signal) et l’estimation de direction d’arrivée. La localisation de source Il s’agit de l’estimation de la position d’une source fixe ou mobile, par un réseau de capteurs passifs et stationnaires. Cette localisation peut être faite par la technique du Beamforming. Beamforming Le Beamforming, ou reconstruction de signal, effectué par un ensemble de groupe de capteurs, permet à la fois d’obtenir un signal de meilleur qualité (avec un meilleur rapport signal à bruit), et d’estimer la direction d’arrivée de ce signal (ou DOA, Direction of Arrival). Le signal doit être combiné de manière synchrone par les récepteurs, et ne peut l’être que si la cohérence entre les diffétents capteurs est suffisante. La source émettant ce signal peut donc ensuite être localisée. 8 Beamforming et localisation Les deux problèmatiques sont liées, et souvent les algorithmes de Beamforming ont recours à la localisation. Dans notre cas, les résultats de l’algorithme de beamforming permettront l’exécution de ceux de localisation. 3.3 L’Expérience Les tests réalisés consistent à estimer la localisation d’une source fixe à partir de plusieurs sous-ensembles de capteurs, sans, puis avec réverbération. Chacun de ces sous-ensembles permet de calculer la direction d’arrivée du signal (dans un noeud Master), transmise à un noeud Central Master, unique dans le système, qui réalise l’estimation de la localisation de la source. Sous-ensemble de capteurs Les sous-ensembles de capteurs sont constitués de trois ou quatre capteurs. Ces capteurs sont synchronisés par mécanisme RBS (Reference Broadcast Synchronisation), de telle sorte que le Noeud Master puisse reconstruire précisément le signal initial. Les noeuds Les noeuds sont constitués de PDA iPAQ 3760, qui présentent un bon rapport coût/disponibilité/fonctionnalités. Ils disposent de : – un microphone intégré, – un codec d’acquisition (de 8 kHz à 48 kHz) et de traitement audio, – une carte PCMCIA pour la communication en 802.11b, – une alimentation par baterie, – et un système d’exploitation Linux. La figure 5 montre le schéma de l’expérience en champs ouvert, et la figure 6 le schéma de l’expérience avec réverbération. 3.4 La Méthode de Calcul Les algorithmes consistent à estimer le chemin d’arrivée du signal, pour plusieurs sous-ensembles de capteurs, et ensuite d’inférer la position de la source en fonction des différents chemins d’arrivées. 3.4.1 Estimation du Chemin d’Arrivée L’estimation du chemin d’arrivée est faite par l’algorithme AML (Approximate Maximum Likelihood), adapté pour l’occasion aux sources à large bande. [CHY02] présente cet algorithme. Le signal est reconstitué par Beamforming, par un sous-ensemble de capteurs synchronisés. Ceci permet l’obtention d’un rapport signal à bruit, et l’estimation de la direction d’arrivée : on compare le signal au niveau de chaque noeud à celui qui serait reçu au point du centroide (voir figure 7). 9 F IG . 5 – Exemple de l’expérience en champs ouvert F IG . 6 – Exemple de l’expérience avec réverberation 10 De plus, cette méthode permet la séparation du signal de différentes sources, ce qui la rend donc valide pour un configuration plus générale. AML est une méthode algébrique, il est ensuite indispensable de mettre en oeuvre une technique numérique pour l’obtention du résultat. 3.4.2 Localisation des Sources La localisation des sources est faite à partir des chemins d’arrivée résultant de la méthode AML : ces chemins étant non précis, et en nombre supérieur à ceux strictement nécessaires, on peut utiliser la méthode des moindres carrés (LS - Least Square), afin de minimiser l’incertitude quant à la localisation de la source recherchée. La figure 8 montre comment l’intersection de deux chemins d’arrivée, obtenus nécessairement par deux ensembles de capteurs non colinéaires avec la source, permet d’identifier la localisation de celle-ci. L’incertitude quant à ces chemins d’arrivée rend nécessaire l’usage d’une méthode d’approximation. 3.5 Discussion Il est intéressant d’essayer d’estimer le domaine de validité de la méthode présentée, par exemple en fonction du nombre de sources n , et de capteurs p, disponibles. Le nombre d’équations disponible est de : n ∗ p. Le nombre d’inconnues est 2 ∗ n. Le nombre de sources identifiable n’est donc pas dépendant du nombre de capteurs. C’est une propriété due à la possibilité d’identifier les différentes sources du signal par le Beamforming. Cependant, le nombre de capteurs permet d’améliorer la précision : – si p > 2, réduction de l’incertitude possible, – si p = 2, incertitude maximale, – si p > 2, calcul impossible. Pour le cas p > 2, il est possible de choisir, en fonction des besoins du système implanté, entre la précision et l’énergie consommée. La précision consiste à utiliser tous les ensembles de capteurs disponibles pour localiser toutes les sources. L’energie consommée peut être limitée par la minimisation du nombre de capteurs utilisés. 3.6 Extension pour la révérbération La méthode présentée permet d’obtenir la localisation de sources en champ ouvert. Pour supporter la présence de réverbération, il est nécessaire d’étendre les algorithmes, pour prendre en compte les obtacles existants. Pour celà, [AB79] introduit l’idée du modèle virtuel de source, qui permet de représenter les signaux réfléchis comme étant émis par une source symétrique à 11 F IG . 7 – Calcul du chemin d’arrivée : usage du centroid F IG . 8 – Représentation du principe de calcul avec 2 sources et 3 ensembles de capteurs 12 la source réelle, par rapport au mur sur lequel la réflexion a lieu. Cette idée est adaptée pour le cas des réseaux de capteurs. 3.6.1 Ensemble virtuel de capteurs Les auteurs ont introduit, plutôt qu’une source virtuelle, les sous-ensembles de capteurs virtuels. La figure 9 illustre de principe. Le signal réverbéré, tel qu’il est perçu par les ensembles de capteurs virtuels. Il est identique au signal initial, mais arrive avec un délai différent, du à la distance parcourue plus grande, et avec une puissance différente. Cette puissance est affectée par le coefficient de réflexion de l’obstacle. L’introduction de cette convention n’influe par sur le calcul des chemins d’arrivée, mais pose des problèmes quant à la localisation de la ressource à partir de ces chemins d’arrivée. En effet, la réverbération provoque la présence d’un grand nombre de chemins possibles. Il est alors indispensable d’appliquer la méthode des moindres carrés présentée ci-dessus à l’ensemble des permutations possibles de chemins. Les calculs sont donc relativement lourds. 3.6.2 Discussion La méthode des ensembles virtuels de capteurs, telle qu’elle est présentée ici, est limitée par la connaissance nécessaire de la position des ensembles de capteurs rééls, et la connaissance de la position des surfaces réfléchissantes. Il s’agit donc de capteurs statiques en envirronement connu, ce qui peut réduire le champ d’application possible. Cependant, la méthode apporte des réponses à un grand nombre de problèmes : il résoud le problème de la réverbération. De plus, dans le cas d’un scénario à réverberation, un ensemble de capteurs suffit à la localition de la source avec une bonne précision, en tirant parti des signaux multiples reçus. La méthode est donc plus performante qu’en espace libre, d’autant plus qu’on peut aisément imaginer des extensions pour le calcul de la localisation des capteurs et des obstacles, qui seraient préalables à l’exécution des mécanismes présentés ici. Malheureusement de telles évolutions ne sont pas annoncées par les auteurs. Un seule réelle limitation existe cependant : il est indispensable de connaître le quadrant dans lequel se trouve la source par rapport au sous-ensemble de capteurs. Par conséquent, la localisation absolue est impossible, et la prise en compte de sources mobiles n’est pas envisageable à court terme. Il s’agit d’une restriction importante à la portée de cette méthode. L’annonce faite par les auteurs ’we claim using this model makes source localization in a reverberant room possible’ est donc excessive. Il est nécessaire de disposer d’informations sur la position de la source, et la prise en compte de sources mobiles semble, du moins pour les mécanismes présentés ici, est compromise. 13 Une solution serait d’identifier le chemin direct (a priori celui pour lequel l’énergie du signal est maximale), mais ceci ne semble pas être possible selon les auteurs. La méthode proposée est donc incomplète pour être mise en œuvre dans des conditions réelles. 14 4 4.1 Critiques et perspectives Critiques positives Cette article apporte plusieurs éléments importants dans la réalisation d’un système de localisation de sources par un réseau de capteurs. Premièrement, les auteurs valident l’usage de l’algorithme AML, dans l’adaptation qui en a été faite pour les signaux à large bande. Ils valident également le modèle d’ensemble de capteurs virtuels, sans réverbération, et avec réverberation connue. Ils montrent de plus la faisabilité de l’usage de iPAQ pour la réalisation d’un banc de tests rapide à implémenter et peu coûteux. 4.2 Critiques négatives Comme nous l’avons vu dans la partie précédente, il reste un certain nombre de problèmes à résoudre pour la mise en œvre de cette méthode pour des systèmes réels : connaissance des obstacles, limitation quant à la connaissance que l’on doit avoir de la position de la source. Les auteurs précisent également d’autres limitations par rapport à la distance maximale de la source, qui est restreinte par la qualité des micros, ainsi que par l’équalisation. Par ailleurs, le débit d’information que l’on peut traiter avec un tel système reste limité, le nombre de sources ne peut donc pas être étendue indéfiniment, même si cette restriction est issue du système en lui-même et non des algorithmes mis en place. 4.3 Perspectives La méthode présentée, qui combine AML, Least square et Modèles d’emsembles de capteurs virtuels, semble très prometteuse, et les auteurs résolvent un grand nombre de problèmes. Cependant, elle reste incomplète pour une utilisation réelle : il s’agit de travaux encore en cours. L’extension de ces travaux très récents est sans doute premièrement la résolution des limitations évoquées, puis l’extension pour supporter une plus grande variabilité des conditions : mobilité de la source, non connaissance des obstacles existants. 15 Ces références sont celles utilisées dans le cadre de cette synthèse. N’hésitez pas à vous reporter aux bibliographies des articles étudiés pour plus de précisions. Références [BA04] Collaborative Sensor Networking Towards Real-Time Acoustical Beamforming in Free-Space and Limited Reverberance, P. Bergamo, S. Asgari, D. Maniezzo, L. Yip, R. E. Hudson, K. Yao, D. Estrin, IEEE transaction on mobile Computing, Vol 3., N. 3, 07-09.2004. [BAP] Sensor Networks : An Overview - Archana Bharathidasan, Vijay Anand, Sai Ponduru, Department of Computer Science, UCLA. Non publié. Après 2002. [CHY02] J. Chen, R. Hudson, and K. Yao, Maximum-Likelihood Source Localization and Unknown Sensor Location Estimation for Wideband Signals in the Near-Field, IEEE Trans. Signal Processing, vol. 50, no. 8, pp. 1843-1854, Aug. 2002. [AB79] J.B. Allen and D. Berkley, Image Method for Efficiency Simulating Small-Room Acoustics, Acoustical Soc. Am., vol. 65, no. 4, Apr. 1979. California at Berkeley. 16 F IG . 9 – Principe des ensembles de capteurs virtuels