Optical Wireless Communication for Underwater Data Collection : Channel Modeling and Integration of Artificial Intelligence

L'émergence de l'Internet des objets sous-marins, ainsi que l'intérêt croissant pour la surveillance des écosystèmes aquatiques, ont renforcé le besoin des systèmes de communication sous-marine performants. Dans ce contexte, les communications optiques sans-fil présentent de nombreux atouts : un débit de transmission potentiellement élevé, une faible latence, une bonne efficacité énergétique et un impact environnemental réduit. Cependant, ces systèmes doivent relever plusieurs défis liés à l’environnement sous-marin, tels que l’absorption et la diffusion de la lumière, les erreurs de pointage, ou encore les turbulences océaniques. Ces contraintes nécessitent la mise en œuvre d’approches innovantes pour garantir une communication fiable et efficace.Cette thèse porte sur la collecte de données issues de capteurs sous-marins à l’aide de liaisons optiques sans fil, avec un accent particulier sur la surveillance des récifs coralliens et d'autres écosystèmes marins sensibles. Elle explore deux scénarios de transmission : l’un à faible débit, adapté à l’envoi de données basiques, et l’autre à haut débit, destiné à la transmission d’images ou de vidéos. Dans un premier temps, nous proposons une approche novatrice consistant en la transmission directe (sans passer par un nœud de relais en surface) des données collectées par un capteur sous-marin vers un drone en vol stationnaire à quelques mètres au-dessus de la surface de l’eau. Une modélisation physique complète du canal de transmission mer-air est présentée, prenant en compte les effets d’absorption et de diffusion dans l’eau, l’influence des vagues et des bulles d’air générées en surface, ainsi que les vibrations du drone induites par le vent.Dans un second temps, afin de répondre à des cas d’usage nécessitant une transmission haut-débit (notamment pour l’envoi d’images), nous explorons l’apport de techniques d’intelligence artificielle pour améliorer les performances des liaisons optiques sous-marines. Nous proposons tout d’abord un démodulateur basé sur l’algorithme KNN (K-Nearest Neighbors), démontrant de très bonnes performances même à de faibles puissances optiques reçues, tout en maintenant une complexité de calcul modérée. Enfin, pour aller plus loin, nous étudions l’application des communications sémantiques basées sur des autoencodeurs variationnels pour la transmission d’images sous-marines. Cette approche se révèle significativement plus robuste que les méthodes conventionnelles, telles que la combinaison compression/correction d’erreurs, notamment sur de longues distances et en présence de turbulences océaniques.