Identification de l'environnement basée sur l'estimation de canal et génération de clés de sécurité pour les communications véhiculaires - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2020

Environment identification based on channel estimation using Deep Learning and secret key generation for vehicular communications

Identification de l'environnement basée sur l'estimation de canal et génération de clés de sécurité pour les communications véhiculaires

Résumé

Autonomous connected vehicles are expected to see prevalent usage as part ofthe next generation of transportation systems and the smart road vision Since thevehicular environment is highly mobile, the transmitted messages are affected by thewireless channel effect. This makes channel estimation one of the challenging tasksin Vehicle-To-Everything (V2X) communications. In this context, we propose a novelMultiple Sequential Constraint Removal (MSCR) algorithm of channel estimation,dedicated to OFDM systems based-V2X communications. In addition, identifyingthe environment where the vehicle is driving along is quite important in order toallow the vehicle to make the correct self- driving decisions. Thus by exploiting theestimated wireless channel characteristics, we propose a novel vehicular environmentidentification approach based on deep learning, where the estimated channel stateinformation (CSI) are used as input features for the proposed model. Besides that,as the vehicular environment is open access exchanged messages through V2X communicationare vulnerable to attacks. Therefore, we propose a novel physical layerkey generation algorithm in order to secure vehicular communications, where the CSIvalues are used as a source of randomness. Our key generation algorithm has beenimplemented on USRP Software-Defined Radios (SDR) cards and has been tested ona real-world testbed vehicular environment. The performance evaluation results of allthe proposed methods (MSCR channel estimation algorithm, environment identificationsapproach, and key generation algorithm), show that they meet the performancesrequired in a vehicular environment.
Les véhicules connectés autonomes devraient être largement déployés dans le cadrede la prochaine génération de systèmes de transport et de la future route intelligente.Comme l'environnement véhiculaire est très mobile, les messages transmis sont affectés par l'effet de canal sans fil. L'estimation de canal devient ainsi l'une des tâchesles plus difficiles des communications véhiculaires (V2X). Dans ce contexte, nousproposons un nouvel algorithme d'estimation de canal MSCR (Multiple SequentialConstraint Removal) dédiée aux communications V2X basées sur les systèmes OFDM.De plus, l'identification de l'environnement dans lequel le véhicule circule est assez importantepour permettre au véhicule de prendre les bonnes décisions de conduite autonome.Ainsi, en exploitant les caractéristiques estimées du canal sans fil, nous proposonsune nouvelle approche d'identification de l'environnement véhiculaire basée surle Deep Learning, où les CSI estimées sont utilisées comme caractéristiques d'entréepour le modèle proposé. En outre, comme l'environnement véhiculaire est un accès ouvert,les messages échangés via la communication V2X sont vulnérables aux attaques.Par consequent, nous proposons un nouvel algorithme de generation de clé à base dela couche physique afin de sécuriser les communications véhiculaires, où les valeursCSI sont utilisées comme source aléatoire. Notre algorithme de génération de clés a étéimplémenté sur des cartes SDR USRP et a été testé sur un environnement véhiculaireréel. Les résultats de l'évaluation des performances de toutes les méthodes proposées(algorithme d'estimation de canal MSCR, approche d'identification d'environnementet algorithme de génération de clés), montrent qu'elles répondent parfaitement auxexigences requises dans un environnement véhiculaire.
Fichier principal
Vignette du fichier
Ribouh_Soheyb2.pdf (12.61 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-03204589 , version 1 (21-04-2021)

Identifiants

  • HAL Id : tel-03204589 , version 1

Citer

Soheyb Ribouh. Identification de l'environnement basée sur l'estimation de canal et génération de clés de sécurité pour les communications véhiculaires. Electronique. Université Polytechnique Hauts-de-France, 2020. Français. ⟨NNT : 2020UPHF0029⟩. ⟨tel-03204589⟩
184 Consultations
160 Téléchargements

Partager

Gmail Facebook X LinkedIn More