Académique Documents
Professionnel Documents
Culture Documents
P RÉSENTÉ PAR
AYA BENAMARA
P OUR L’ OBTENTION DU
13 Novembre 2020
ii
REMERCIEMENTS
Mes premiers hommages vont à ceux qui m’ont encadrée au cours de ces années
à Dr. Adda Boualem, ibn khaldoun, Tiaret. Je les remercie pour leur compétences sci-
entifiques exceptionnelles mêlées toujours d’une gentillesse extrême, leur encadrement
constructif, leur confiance, leur disponibilité, leur professionnalisme et leur caractère
sérieux qui ne va pas au détriment de leur sens d’humour.
Je tiens également à remercier les membres de jury qui ont accepté d’évaluer
ce travail : M. XXXX, MAA à l’Université XXXXX, M. XXXX, MAA à l’Université
XXXXX,
Mes remerciements vont également à tous mes amis et mes collègues (;;;..) ainsi
que les amis que j’ai eu la chance de rencontrer en France : (...). Que tous trouvent
ici l’expression de ma gratitude pour les fructueux échanges quotidiens.
Je close enfin ces remerciements en dédiant cette thèse de doctorat à mes chers par-
ents (mon Grand père Bouabdellah, mon père Hohamed et ma mère Kheira), à mes
frères et mes soeurs, ma femme Luiza, mes enfants Khalil, Ali et Mohamed. Je leur
suis infiniment reconnaissante pour leur soutien moral et leur encouragement sans
lesquels je n’aurais pas pu tenir bon devant les difficultés que j’ai rencontrées.
iii
Abstract
Dans ce mémoire de fin d’études, nous allons met l’accent sur le problème de la
couverture dans les réseaux de capteurs sans fil (RCSF), et donner un état de l’art, un
peu détaillé, et se focaliser sur la simulation d’un modèle, proposé par nous mêmes
et finirai par une conclusion résumant les résultats obtenus.
List of Figures
List of Tables
ix
Contents
Abstract iii
1 Introduction générale 3
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Réseaux de capteurs sans fils . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.1 Contexte de la thèse . . . . . . . . . . . . . . . . . . . . . . . . . 3
6 Conclusions et Perspectives 29
Bibliography 31
xi
List of Abbreviations
Introduction générale
3
Chapter 1
Introduction générale
1.1 Introduction
Durant ces dernières années, les technologies de communications sans fil se sont
introduites dans différentes niveaux de la société : les entreprises, les hôpitaux,
les usines, dans les domiciles, dans les téléphones et autres équipements domes-
tiques,. . . . Les innovations technologiques dans la miniaturisation et la communica-
tion sans fil ont permis l’avènement des réseaux de capteurs sans fil. Les Réseaux
de Capteurs Sans Fil (RCSF) ou Wireless Sensor Networks (WSN) en anglais sont
considérés comme un type particulier de réseaux ad hoc. Les nœuds de ce type de
réseaux consistent en un grand nombre de capteurs capables de l’auto organisé, de
récolter et de transmettre des données environnementales d’une manière autonome.
Ce chapitre décrit quelques généralités sur les réseaux de capteurs, et présente ses
principaux défis ainsi le cadre de notre travail de thèse.
Chapter 2
2.1 Introduction
De nos jours, grâce à la technologie avancée des semi-conducteurs, et plus parti-
culièrement à l’évolution de la technologie radio et de la communication sans fil,
les réseaux sans fil connaissent un essor considérable. Parmi ces réseaux figurent
les réseaux de capteurs sans fil [BOUDRIES, 2014]. Les réseaux de capteurs sans fil
sont des réseaux de nœuds sans fil agissants comme des générateurs et des relais à
des données en contrôlant un phénomène physique. Ils sont considérés comme un
type particulier des réseaux ad-hoc, dans lesquels les nœuds sont des capteurs in-
telligents [Boudjaadar, 2009-2010]. Ces réseaux occupent de plus en plus de champs
d’applications dans la vie quotidienne allant du contrôle de la température et de
l’humidité à l’estimation du niveau des batteries à hydrogène. Les RCSFs sont une
nouvelle technologie qui a surgi après les grands progrès technologiques concer-
nant le développement des capteurs intelligents. Selon MIT’s (Technology Review),
il s’agit de l’une des dix nouvelles technologies qui vont influer sur notre manière
de vivre et de travailler. Dans ce chapitre, nous présenterons les réseaux de cap-
teurs sans fil, leurs 0architectures de communication, leurs applications, et nous dis-
cuterons également les principaux facteurs et contraintes qui influencent la concep-
tion des réseaux de capteurs sans fil.
2.2 Le capteur
2.2.1 Définition
Un capteur ou un nœud capteur est un petit appareil autonome capable d’effectuer
des mesures simples sur son environnement immédiat, comme la température, la
vibration, la pression, etc. Chaque capteur assure trois fonctions principales : la
collecte, le traitement et la communication de l’information vers un ou plusieurs
points de collecte appelés station de base (sink) [ASC2002].
2.2.2 Architecture
En effet les capteurs des générations précédentes avaient une architecture qui se lim-
itait au capteur proprement dit (dispositif capable de mesurer une grandeur physique)
et une unité d’alimentation (batterie, piles, etc.). Des composants additionnels peu-
vent être ajoutés selon le domaine d’application [ASC2002], comme un système de
localisation (GPS), un générateur d’énergie (cellules solaires) ou un mobilisateur lui
permettant de se déplacer. Ces éléments principaux et optionnels (représentés par
les traits discontinus) sont visibles sur la FIGURE 2.1.
6 Chapter 2. Généralitées sur les réseaux de capteurs
L’unité de traitement
C’est l’unité principale du nœud de capteur, généralement un processeur couplé à
une mémoire vive. Son rôle est de contrôler le bon fonctionnement des autres unités.
L’unité de capture
Elle permet la capture des données, c’est à dire la mesure des grandeurs physiques
ou analogiques et leur conversion en données numériques. Elle est composée du
capteur lui-même et de l’ADC (Analog to Digital Converter). Le capteur est chargé
de récupérer les signaux analogiques qu’il transmet à l’ADC, ce dernier a pour rôle
de transformer ces signaux en données numériques et les transmettre à l’unité de
traitement. Un capteur peut avoir un ou plusieurs unités de captage [Wang and
Balasingham, 2010].
L’unité de communication
Habituellement dotée d’un transmetteur radio, cette unité a pour fonction d’émettre
et de recevoir les données produites par l’unité de traitement, fournissant ainsi aux
capteurs la capacité de communiquer avec les autres composants du réseau. Il existe
cependant d’autres possibilités de transmission (Bluetooth, ZigBee, . . . ).
L’unité d’alimentation
Élément primordial de l’architecture du capteur, c’est elle qui fournit en énergie
toutes les autres unités. Elle correspond le plus souvent à une batterie ou une pile
alimentant le capteur, dont les ressources limitées en font une problématique propre
à ce type de réseau.
Le type de service
Les réseaux de capteurs sans fil (WSN) offrent à l’utilisateur des informations sig-
nificatives liées à son environnement physique (température, luminosité, présence,
. . . ). En titre exmples, on trouve:
Clustering
Il consiste à partitionner le réseau en zones (clusters) de façon distribuée, des nœuds,
chaque cluster contient un chef de cluster (Clusters-Heads).
Les CHs sont utilisés comme relais pour atteindre la destination en limitant la diffu-
sion des informations et optimisant la consommation d’énergie. [ATAG2012].
Auto-configuration
Les WSN sont déployés dans des zones géographiquement éloignées. Le nœud cap-
teur devrait être capable d’adapter ses paramètres de service pour tenir compte des
défaillances des autres nœuds.
2.8 Conclusion
Dans ce chapitre, nous avons évoqué quelques problèmes des réseaux de capteurs
sans fil. Cependant, ce domaine tente à développer de nouvelles solutions aux prob-
lèmes dont nous avons discutés, en particulier celle de la couverture. La couver-
ture est l’un des problèmes majeurs des réseaux de capteurs qui a pour objectif de
surveiller une zone ou un ensemble de cibles le plus longtemps possible, comme il
est la clé de la majorité des problèmes de réseaux de capteurs. Le chapitre suivant
se focalise sur l’un des défis majeurs des réseaux de capteur qui est la couverture.
11
Chapter 3
3.1 Introduction
L’un des défis majeurs des réseaux de capteur est la couverture qui consiste à ob-
server de façon continue et efficace les phénomènes ou les événements qui peuvent
se produire dans une zone géographique. Le problème de couverture, en tant que
problème fondamental pour presque tous les types d’application dans les réseaux
de capteurs sans fil (WSN), a été étudié depuis plus d’une décennie. La couverture
dans un WSN joue un rôle plus important pour réussir toutes les applications du
réseau de capteurs. En effet, son efficacité relative au taux de la couverture donnée,
par exemple les réseaux capteur dans le domaine militaire doit assurer la couver-
ture totale de la zone d’intérêt (AoI). La couverture d’une zone géographique par un
réseau de capteurs se focalise sur les réponses aux questions :
- Comment couvrir une zone géographique avec un ensemble minimal des nœuds
de capteurs ?
- Comment garantir la couverture pour un temps maximal pour des objectifs
applicatifs ?
- Dans quelles positions soient les nœuds de capteurs pour garantir une couver-
ture maximale de la zone d’intérêt ?
3.2 Définitions
La couverture dans les WSN est classée selon trois catégories ; Couverture de sur-
face ou zone, Couverture par barrières et la couverture de cibles. Chaque catégorie
peut être divisée entre deux types ; Couverture statique et dynamique. Chaque type
de couverture est permanente (tout le temps de la durée de vie du réseau), ou péri-
odique (quelques périodes de temps). La FIGURE 3.1 montre notre hiérarchie de la
couverture proposée dans les WSN.
Dans le paragraphe qui suit, on donne quelques définitions et des concepts util-
isés:
- La couverture est le cœur des applications des réseaux de capteurs car elle
mesure la relation entre ce réseau et l’environnement [MZ2015]. Bien entendu,
l’estimation quantitative de cette couverture dépend fortement des besoins de
l’application, raison pour laquelle plusieurs concepts de couverture sont ap-
parus.
- La couverture d’un réseau de capteurs représente la qualité de la surveillance
que le réseau peut fournir, par exemple, à quel point une zone d’intérêt est
surveillée par des capteurs, et avec quelle efficacité un réseau de capteurs peut
assurer son rôle principal. Il est important de comprendre comment la cou-
verture d’un réseau de capteurs dépend de divers paramètres de réseau afin
12 Chapter 3. État de l’art: La couverture et les stratégies proposées
Cependant, Gallais et al. [Gallais and Carle, 2007] ont introduit une autre défini-
tion de la couverture multiple ; une zone est dite k-couverte s’il existe k ensembles
disjoints de nœuds actifs, chacun assurant une couverture simple de la zone. Cette
définition est appelée k-couverture par couches. Le niveau de couverture dépend
de l’application. Par exemple, les applications requièrent une couverture simple
(k = 1) si les capteurs sont déployés dans un bâtiment pour relever la tempéra-
ture, l’humidité ou encore pour mesurer l’intensité lumineuse ou sonore, c.à.d. là où
l’environnement est connu et les défaillances ne sont pas importantes.
Toutefois, une couverture multiple (k > 1) peut être nécessaire lorsque les nœuds
opèrent dans des environnements hostiles, tels que les zones d’éruptions volcaniques,
les champs de batailles ou les régions chimiquement polluées. Dans les applications,
telles que le suivi de cibles, des capteurs multiples sont nécessaires pour détecter une
cible mobile à tout moment, le niveau de couverture doit être au moins k = 3 dans
un but de tolérance aux pannes. Avec la k-couverture, le réseau doit continuer à
fonctionner correctement, même lorsque tous les k − 1 capteurs tombent en panne
au même moment [Tian and Georganas, 2002].
La k-couverture est également définie dans [[BOUDRIES, 2014]] pour un RCSF
composé de N nœuds, M = {S1 , S2 , . . . , S N } selon une couverture qui satisfait aux
deux conditions suivantes :
• Chaque point q ∈ est couvert par au moins k capteurs distincts. La FiGURE 3.5
illustre la notion de k-couverture par cinq nœuds capteurs S1 , S2 , S3 , S4 etS5 .
3.5. Connectivité dans les RCSF 15
3.6 Conclusion
Les progrès connus récemment dans le domaine des technologies sans fil, ont permis
l’apparition des nouveaux types de réseaux de capteurs. Les propriétés de ce type
de réseaux en termes de flexibilité, coût réduit, et facilité de déploiement offrent
de nombreuses possibilités de développement dans divers domaines. Par ailleurs,
types de connectivité dans les RCSF qui sont la connectivité complète, la couver-
ture et la collectivités qui a pour objectif de surveiller une zone ou un ensemble de
cibles le plus longtemps possible , Plusieurs solutions à ont été proposées dans la
16 Chapter 3. État de l’art: La couverture et les stratégies proposées
Chapter 4
la théorie de possibilités et la
théorie de croyance
4.1 Introduction
Une zone d’intérêt que ce soit, 2D ou 3D, sous-marin ou sur terre, est sujette des
déférents types d’incertitude. L’utilisation de ce genre de réseaux affecte l’environnement,
la précision de données récoltées et la pertinence de ces données,. . . Nombreuses
théories, telles que : la théorie des probabilités, la théorie des logique flous, la théorie
de l’évidence possèdent des outils pour modéliser, présenter et manipuler les im-
perfections dans l’environnement incertain. Pour une bonne explication du modèle
proposé, il est nécessaire d’expliquer les fondements de la théorie du possible et de
la théorie du possible pour illustrer le modèle proposé qui traite l’incertitude des
réseaux de capteurs sans fil.
Dans notre étude, nous allons utiliser un compromis entre la théorie de possi-
bilités et la théorie de l’évidence pour traiter le problème de la couverture dans les
réseaux de capteurs sans fil. Nous allons présenter dans ce qui suit les principaux
aspects et concepts de la théorie de croyance et de la théorie des possibilités tels que
la distribution de possibilités, la mesure de possibilité et la mesure de nécessité, etc.
• m( A) est la confiance portée strictement dans A sans que celle-ci puisse être
répartie sur les hypothèses qui la composent.
• la confiance portée dans l’ensemble vide (m(Ω) = 0 et , elle est appelée fonc-
tion de masse sur Ω.
Cr ( A) = Bel ( A) = ∑ m( Bi ) (4.1)
Bi ∈ A
Pl = 1 − Cr ( Ac ) (4.3)
Cr ( A) ≤ Ic( A) ≤ Pl ( A) (4.5)
1999] utilise les gaussiennes, utilise les mesures de distance connues sous le nom
d’algorithme des K plus proches voisins, d’où des grandeurs physiques ont été
choisies pour l’initialisation des masses, telle que la distance (euclidienne, toponymique,
sémantique,. . . ), l’angle, les représentations floues. L’initialisation de jeu de masses
nécessite l’expérience d’un expert pour le domaine modélisé et pour lequel sont
définies les fonctions de croyance qui sont basées sur une base de connaissance.
ifA = ∅
0
1
m1 ⊕ m2 ( A ) = ∑ m1 ( A ) × m2 ( A ) (4.6)
1− λ c A
i f A 6= ∅
Où λc = ∑ A m1 ( A) × m2 ( A) représente le conflit entre les sources, appelé aussi
l’ignorance (utilisé comme facteur de normalisation) [Dubois, 1988].
| X ∩ A|
P( A) = ∑ |X|
m( X ) (4.7)
X ∈2Ω
1 le cadre de discernement Ω = { A, B, C }.
20 Chapter 4. la théorie de possibilités et la théorie de croyance
4.2.8 conclusion
La théorie de l’évidence, à partir des mathématiques probabilistes, présente un cadre
formel de raisonnement dans l’imparfait, un modèle qui permet de modéliser la
connaissance. Car à travers les fonctions de croyance qui sont des outils de mesure
de la probabilité subjective, or on peut évaluer le degré de vérité d’une affirma-
tion, d’un avis d’expert. Avec l’introduction des masses d’évidence, des cœfficients
d’affaiblissement de ces masses et aux moyens de la règle de combinaison elle per-
met de traiter l’information au point d’aboutir à sa fiabilité. Ce qui aide grandement
dans la prise de décision, ou dans d’autres domaines (tels que la télédétection).
4.3. Théorie de possibilités 21
P(∅) = 0,
P( X ) = 1, (4.9)
A1 , A2 . . . An : P( A1 ∩ A2 ∩ . . . ∩ An ) = Supi=1,2,...Ai P( Ai )
• Distribution de possibilité
Une distribution de possibilité p est une fonction définie sur X, prenant ses
valeurs dans [0,1], satisfaisant la condition de normalisation suivante : sup x∈X p( x ) =
1. Mesure et distribution de possibilités peuvent être associées. A partir d’une
distribution p, qui attribue un coefficient de possibilité à chaque élément de X
d’où la notation (4.10):
∀ A ∈ P( X ) : π ( A) = sup x∈ A p( x ) (4.10)
• Mesure de nécessite Est une mesure de possibilité fournit une information sur
l’occurrence d’un évènement A relatif à un ensemble de référence X, mais elle
ne suffit pas pour décrire l’incertitude existante sur cet évènement. Par exem-
ple si π ( A) = 1, il est tout à fait possible que A soit réalisé, mais on peut avoir
en même temps π ( AC ) = 1, ce qui exprime une indétermination complète sur
la réalisation de A, ou π ( AC ) = 0, ce qui met en évidence le fait que A seul
peut être réalisé, et qu’on est donc certain de sa réalisation. Une mesure de né-
cessité est une fonction définie sur l’ensemble P( X ) des parties de X, à valeurs
22 Chapter 4. la théorie de possibilités et la théorie de croyance
N (∅) = 0,
N ( X ) = 1, (4.11)
∀ A1 , A2 . . . An : N ( A1 ∪ A2 . . . ∪ An ) = in f i=1,2,...Ai N ( Ai )
Inf : L’infimum des valeurs concernées, c’est-à-dire la plus petite d’entre elles
dans le cas fini.
Les étapes pour calculer les mesures de possibilités sont illustrées dans la FIGURE 4.2
23
Chapter 5
5.1 Introduction
La théorie des fonctions de croyance représente un outil souple et flexible pour la
modélisation de l’information. Néanmoins, cette théorie, comme la théorie des prob-
abilités, ne permet pas de modéliser les informations ambiguës. Cette théorie pro-
pose un cadre permettant de traiter l’incertitude dans le cas où les connaissances
disponibles sont décrites d’une façon ambiguë. Par exemple, on cherche à déter-
miner l’âge d’une personne (il s’agit d’un contexte d’incertitude) sachant que la seule
connaissance disponible est de forme ambiguë (connaissance épistémique) : la per-
sonne est jeune. La théorie des possibilités présente un formalisme permettant de
modéliser des incertitudes subjectives sur des évènements. En effet, elle fait appel à
deux mesures : une mesure de possibilité qui examine dans quelle mesure un évène-
ment est possible et une mesure de nécessité qui quantifie le degré de certitude as-
socié à cet évènement. Ainsi, ces deux mesures permettent d’encadrer la probabilité
de réalisation de l’évènement étudié. La théorie possibiliste ou la théorie des possi-
bilités suscite actuellement un intérêt général de la part des chercheurs qui éprou-
vent les besoins de généraliser des modes de raisonnement naturels, d’automatiser
la prise de décision dans leur domaine et de construire de systèmes artificiels ef-
fectuant les tâches habituellement prise en charge par les humains. Les mesures de
possibilité et de nécessité ont été introduites pour qualifier la certitude sur un évène-
ment, autrement dit, qu’elles s’appliquent à des sous-ensembles ordinaires Ai d’un
ensemble de référence X. Nous allons présenter dans ce qui suit les principaux as-
pects et concepts d’un modèle conçu par la théorie de croyance et de la théorie de
possibilités.
5.2 Conception
Dans cette section nous allons décrire un modèle basé sur un compromis (évidence-
possibilités) d’une part et réaliser une application pour le valider.
• Étape4 : Décision
La décision d’activation ou de remettre en veille est se base sur le calcule
de Pinistic probabilité. La probabilité d’activation d’un nœud capteur ui est
délimitée par la mesure de nécessité.
( NA ( u i ) + π A ( u i )
PA (ui ) = (5.4)
2
Les réserves d’énergie des nœuds de capteurs u1 ,u2 ,u4 ,u5 ,u6 sont les suivants :
E2 = 0.90
E3 = 0.96
E4 = 0.12 (5.6)
E = 0.52
5
E6 = 0.72
Donc:
ND,E (u1 ) = 0.0072
(5.11)
ND,E (u5 ) = 0.0411
Étape 4 : Décision Avant la décision d’activation par l’utilisation des probabilités, la
normalisation des mesures de possibilités est nécessaire:
π D (u1 ) = 0.900/(0.9 + 0.96)
π D (u5 ) = 0.960/(0.9 + 0.96)
and (5.12)
( u ) = 0.125/ ( 0.125 + 0.4 )
π E 1
π E (u5 ) = 0.400/(0.125 + 0.4)
So:
π D (u1 ) = 0.484
π D (u5 ) = 0.516
et (5.13)
π (u ) = 0.238
E 1
π E (u5 ) = 0.762
ND,E (u1 ) = 0.0072/(0.0072 + 0.0411)
(5.14)
ND,E (u5 ) = 0.0411/(0.0072 + 0.0411)
Donc:
ND,E (u1 ) = 0.1491
(5.15)
ND,E (u5 ) = 0.8509
L’opération de Décision Nous utilisons la formule définie ci-dessus :
PA (ui ) = (π (ui ) + N (ui ))/2)
PA (u1 ) = (0.0072 + (0.9 ∗ 0.125))/2
(5.16)
PA (u5 ) = (0.0411 + (0.96 ∗ 0.4))/2
Donc:
PA (u1 ) = 0.06
(5.17)
PA (u5 ) = 0.40
En conclusion, le nœud u5 doit être activé pour la prochaine période.
5.2.3 Conclusion
Les étapes de ce modèle servent à activer le meilleur nœud voisin en fonction de
meilleur possibilité et nécessité. La prendre de décision est aussi pris en fonction de
la moyenne entre la possibilité et nécessité du meilleur nœud voisin.
Chapter 6
Conclusions et Perspectives
Dans ce thèse, nous avons traité le problème de la couverture dans les réseaux de
capteurs sans fil, qui à son tour résout les problèmes de la connectivité et l’augmentation
de la durée de vie du réseau de capteurs sans fil. Lorsque les nœuds de capteurs sont
déployés, ils constituent un réseau de capteurs dans une zone d’intérêt inaccessible
par l’être humain, ou encore, ils peuvent être déployés sur les vastes zones, c’est-à-
dire lorsqu’il est difficile voire impossible de remplacer les batteries des nœuds de
capteurs épuisés alors la consommation d’énergie devient un problème fondamen-
tal. Du coup, la recherche des solutions pour surmonter ce dernier problème est
une nécessité. Ce défi a encouragé les chercheurs à développer des stratégies plus
efficaces en termes de gestion de connectivité et de la consommation d’énergie,. . . ,
alors la couverture est l’une des solutions constatées pour le réseau de capteurs sans
fil (WSN).
Cette thèse a traité le problème de la couverture dans les réseaux de capteurs sans
fil avec un modèle hybride (évidence et possibilités) pour prendre en considération
l’incertain de l’environnement et au niveau des noeuds de capteurs. Elle a fourni des
solutions en proposant un modèle d’incertain, d’une part pour assurer et améliorer
la couverture de tout type de réseaux de capteurs, et d’autre part pour réduire la
consommation d’énergie pour but augmenter la durée de vie du réseau de capteurs.
Dans la continuité de notre travail de thèse, nous allons tenu à étudier les aspects
suivants afin d’améliorer les méthodes proposées:
Bibliography
Appriau (1999). A. Multisensor signal processing in the framework of the theory of evi-
dence. Application of Mathematical Signal Processing Techniques to Mission Systems.
Springer Science.
BADIN and Anne DROMIGNY (1998). “Fusion d’images par la théorie de l’évidence
en vue d’applications médicales et industrielles”. Thèse de Doctorat.
Boudjaadar, Amina (2009-2010). “Plateforme basée Agents pour l’aide à la concep-
tion et la simulation des réseaux de capteurs sans fil”. Thèse de Magistère. Uni-
versité de Skikda.
BOUDRIES, Abdelmalek (2014). “Maintien de la Connectivité dans les Réseaux Ad
hoc sans file”. Thèse de Doctorat. Université Ferhat Abbas de Sétif 1 ; Faculté des
Sciences.
Dubois D. et Prade, H. (1988). Representation and combination of uncertainty with belief
functions and possibility measures. SComputer Intelligence.
Gallais, A. and J. Carle (2007). “An Adaptive Localized Algorithm for Multiple Sen-
sor Area Coverage”. In: 21st International Conference on Advanced Information Net-
working and Applications, pp. 525–532.
H, Bracker (1996). “Utilisation de la théorie de dempster/Shafer pour la classifica-
tion d’images satellitaires à l’aide de données multi-sources et multitemporelles”.
Thèse de Doctorat. Thèse de l’université de Rennes I.
Huang, C.F. and Y.C. Tseng (2003). “The coverage problem in a wireless sensor net-
work”. In: ACM International Workshop on Wireless Sensor Networks and Applica-
tions (WSNA), 115–121.
M.C., Bracker H.and Mouchot (1994). “Classification multisources en télédétection
par la théorie de Dempster - Shafer”. In: Séminaire CNRS GdR 134 : Fusion en
imagerie aérienne et satellitaire , Nice.
RAMASSAMY, Cédric (2012). “Analyse des protocoles des réseaux de capteurs sans-
fil”. In: Thèse de doctorat en Informatique, université des antilles et de guyane, pp. 32–
36.
Riadh, DTebourbi (2007). Cours SIG. École Supérieure des communications de Tunis,
Tunisie.
Tian, D. and N. Georganas (2002). “A coverage-preserving node scheduling scheme
for large wireless sensor networks”. In: 1st ACM international Workshop on Wire-
less Sensor Networks and Applications, pp. 32–41.
Wang, Qinghua and IIangko Balasingham (2010). “Wireless Sensor Network - An
Introduction”. In: In techOpen, pp. 1–13. URL: www.intechopen.com.