Résumé:
La révolution des technologies de l'information et de la communication (TIC) a créé
aujourd’hui le concept d’Internet des Objets (IdO) qui est considéré comme l'extension du
réseau internet où il devient très répandu dans différents domaines. Avec des périphériques à
faible consommation d'énergie et de bande passante, la localisation en intérieur devient un
sujet intéressant. Les algorithmes d’apprentissage automatique sont largement utilisés pour
estimer des localisations. L'un des principaux problèmes des systèmes de positionnement
d'intérieur est de trouver l'algorithme d'apprentissage automatique approprié. Dans ce
mémoire, nous avons réalisé un prototype d’une plateforme Internet des Objets afin
d’examiner de plus près les aspects sous-jacents de la localisation en intérieur basée sur des
données de signaux tel que l’indicateur de puissance du signal (RSSI), le rapport signal sur
bruit (SNR), la fréquence (FQ), ainsi sur des données environnementales tel que la
température dans les réseaux IdO à longue portée tel que LoRaWAN. Des algorithmes
d’apprentissage automatique et profond ont été comparés en termes de précision afin
d’identifier le meilleurs parmi eux.
