Localisation d'interférents par algorithme MUSIC

Origines du projet : recherche académique

Cette expertise en localisation par angle d'arrivée trouve ses racines dans mes travaux de thèse sur la localisation indoor d'objets connectés. L'objectif était de développer des techniques embarquées pour localiser des objets dans un entrepôt en exploitant leur signal Bluetooth via un réseau d'antennes stratégiquement positionnées.

Antenne thèse — Photographie annotée de l'antenne utilisée lors de ma thèse

Le défi consistait à estimer avec précision l'angle d'arrivée (AoA - Angle of Arrival) des signaux radio pour trianguer la position des objets. Cette approche permet une localisation précise sans nécessiter de GPS, particulièrement adaptée aux environnements indoor où les signaux satellites sont indisponibles.

Transfert vers l'industrie spatiale

Fort de cette expertise, j'ai par la suite appliqué ces mêmes techniques pour une entreprise du secteur spatial confrontée à une problématique critique de cybersécurité satellite. Leur satellite était équipé d'un réseau d'antennes vectorielles permettant de transmettre des signaux différents sur plusieurs zones géographiques distinctes.

La menace identifiée était celle d'interférents malveillants tentant de brouiller les communications satellitaires en émettant des signaux à forte puissance. Pour contrer cette menace, l'entreprise souhaitait développer une capacité de localisation d'interférents en temps réel.

L'algorithme MUSIC : principe et avantages

Dans les deux contextes, la solution reposait sur l'algorithme MUSIC (MUltiple SIgnal Classification), une technique avancée de traitement du signal particulièrement efficace pour l'estimation de l'angle d'arrivée.

L'algorithme MUSIC exploite les différences de phase du signal reçu sur des antennes espacées géométriquement. Lorsqu'une onde arrive sur un réseau d'antennes sous un certain angle, elle atteint chaque antenne à des instants légèrement différents, créant un déphasage caractéristique.

Illustration du principe d'Angle d'Arrival (AoA): un signal qui arrive avec un certain angle n'est pas reçu exactement au même moment sur tout le réseau, donc un déphasage est présent entre les antennes

Développement et optimisation

L'implémentation s'est déroulée en deux phases successives, chacune adaptée aux contraintes spécifiques du contexte d'application :

Phase 1 : Prototypage en Python

Le développement initial a été réalisé en Python, langage privilégié pour le prototypage rapide et la validation des concepts. Cette approche a permis :

La validation théorique de l'algorithme sur données simulées
L'optimisation des paramètres (nombre d'antennes, espacement, fenêtrage)
L'évaluation des performances sur données réelles
La visualisation des résultats et le debug interactif

Phase 2 : Optimisation en C/BLAS

Lors des campagnes de simulation Monte-Carlo visant à évaluer les performances du satellite, il a été constaté que 80 % du temps de calcul était consacré à l'algorithme MUSIC. Pour répondre à cette problématique, nous avons réécrit cet algorithme en C en y intégrant BLAS, ce qui a permis de réduire le temps de calcul d'un facteur 5.

Plus de détails sur cette partie