Routage dans les réseaux corporels mobiles avec optimisation de la consommation énergétique

Abstract

Les réseaux WBAN, évolution des WSN, sont conçus pour surveiller le corps humain dans des contextes médicaux, sportifs et militaires. Leur principal défi réside dans la gestion de l’énergie, en raison de la miniaturisation des capteurs, de la mobilité des noeuds et de la difficulté de remplacer les batteries, notamment pour les dispositifs implantés. Dans cette thèse, deux contributions majeures ont été développées. La pre mière s’articule autour de l’optimisation de la durée de vie des réseaux WBAN par la conception de protocoles de regroupement (clustering) fondés sur l’algorithme Fuzzy C-Means (FCM).Trois variantes de cette approche ont été explorées, intégrant notam ment les algorithmes de clustering k-means et k-medoids afin d’améliorer la sélection des têtes de cluster et d’assurer un équilibre énergétique optimal. Les performances des protocoles proposés ont été évaluées par simulation à travers des indicateurs clés tels que l’énergie résiduelle moyenne, la longévité du réseau et la stabilité des com munications inter-noeuds. Une analyse comparative entre les protocoles CBFCM et Improved CBFCM a permis de démontrer les améliorations substantielles obtenues, notamment en termes de réduction de la consommation énergétique et d’augmenta tion de la stabilité du réseau. La seconde contribution concerne la conception d’un protocole de routage énergétique intelligent reposant sur des techniques d’appren tissage automatique (Machine Learning). Ce protocole mobilise plusieurs modèles supervisés, parmi lesquels l’arbre de décision (Decision Tree), les k-plus proches voi sins (K-Nearest Neighbors, K-NN), la machine à vecteurs de support (Support Vector Machine, SVM) et la régression linéaire. Ces modèles ont été entraînés à prédire les trajectoires de communication les plus efficaces selon différents paramètres relatifs à la consommation énergétique, à la densité et à la topologie du réseau. L’évaluation comparative des modèles a permis d’identifier les approches les plus performantes et de mettre en évidence leur influence sur la durabilité et l’efficacité globale du réseau WBAN.