⚡ electrical engineering

UAV-Enabled IoT Networks: A SWIPT Energy Harvesting Architecture with Relay Support for Disaster Response

Cet article propose une architecture de réseau de réponse aux catastères basée sur des drones et l'IoT, utilisant la technique SWIPT pour optimiser la récolte d'énergie et améliorer l'efficacité de la communication entre les utilisateurs et le drone-relais.

Auteurs originaux : Hossein Mohammadi Firouzjaei, Javad Zeraatkar Moghaddam, Mehrdad Ardebilipour

Publié 2026-02-20

📖 4 min de lecture☕ Lecture pause café

CC BY 4.0

Auteurs originaux : Hossein Mohammadi Firouzjaei, Javad Zeraatkar Moghaddam, Mehrdad Ardebilipour

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

🚁 Le Drame : Une Catastrophe et un Messager Épuisé

Imaginez une grande catastrophe (un tremblement de terre ou une inondation). Les routes sont coupées, les tours de téléphones sont détruites, et les gens sont isolés. Ils ont besoin d'envoyer un message de détresse, mais personne ne peut les entendre.

Pour sauver la situation, on envoie un drone (un petit avion sans pilote). Ce drone joue le rôle de messager volant.

Il vole au-dessus de la zone sinistrée (Zone A) pour écouter les messages des victimes.
Il vole ensuite vers une zone sûre où se trouve un centre de secours (Zone B) pour transmettre ces messages.

Le problème majeur : Les drones ont une batterie limitée. Comme un oiseau qui vole trop longtemps, il risque de tomber en panne d'énergie avant d'avoir pu aider tout le monde. S'il s'épuise en plein vol, la mission échoue.

💡 La Solution : Le Drone "Vampire" Énergétique

Les auteurs de ce papier proposent une idée géniale pour résoudre ce problème de batterie : le drone ne doit pas seulement écouter, il doit aussi "manger" l'énergie des messages qu'il reçoit.

C'est là qu'intervient la technologie SWIPT (Transfert Simultané d'Information et d'Énergie).

L'Analogie du Restaurant "Tout-en-un"

Imaginez que le drone est un serveur dans un restaurant très spécial.

Scénario 1 (L'ancienne méthode) : Les clients (les victimes) commandent leur plat (envoient un message). Le serveur prend la commande, la note sur un papier, et court vers la cuisine. Mais en courant, il s'épuise. S'il y a trop de clients, il s'effondre avant d'arriver à la cuisine.
Scénario 2 (La nouvelle méthode avec SWIPT) : Le serveur a un troupeau de mulets magiques. Quand un client lui donne sa commande, le serveur ne prend pas seulement le papier. Il prend aussi un petit morceau de la "force" du client pour recharger sa propre batterie en même temps !
- Il écoute le message (Information).
- Il absorbe un peu d'énergie du signal (Énergie).

Grâce à cette technique, plus il y a de clients qui parlent, plus le drone se recharge en vol. Il devient un drone autonome qui peut servir beaucoup plus de monde sans jamais s'arrêter pour se recharger.

🎯 Comment ça marche en pratique ?

Le papier compare deux situations :

Le Drone Classique : Il vole, écoute, et s'épuise. Il ne peut aider que quelques personnes avant de devoir atterrir. C'est lent et inefficace.
Le Drone "Rechargeur" (SWIPT) :
- Il vole au-dessus des victimes.
- Il utilise une antenne spéciale qui sépare le signal reçu en deux : une partie pour comprendre le message, l'autre pour charger la batterie.
- Il calcule exactement à quelle vitesse voler et à quelle hauteur pour maximiser cette recharge.
- Résultat : Il peut servir beaucoup plus de victimes, plus rapidement, et avec moins d'énergie gaspillée.

📊 Ce que disent les résultats (Les chiffres)

Les chercheurs ont fait des simulations (des tests virtuels) et ont découvert des choses fascinantes :

Plus les gens parlent fort (plus de puissance d'émission), plus le drone se recharge vite. C'est comme si le drone devenait plus fort quand les gens crient plus fort pour l'aider.
Le drone peut servir beaucoup plus de monde. Dans le scénario classique, il s'arrête vite. Avec la nouvelle méthode, il continue indéfiniment tant qu'il y a des gens à aider.
Le temps de vol est optimisé. Le drone ne vole pas au hasard ; il ajuste sa vitesse et sa hauteur pour être le plus efficace possible, comme un coureur qui gère son souffle pour finir la course.

🏆 En Résumé

Ce papier nous dit que pour aider les gens lors de catastrophes, nous ne devons plus seulement envoyer des drones qui consomment de l'énergie, mais des drones qui récupèrent de l'énergie en faisant leur travail.

C'est comme si le messager ne courait plus jusqu'à épuisement, mais qu'il se rechargeait en courant sur le chemin même qu'il parcourt. C'est une révolution pour rendre les réseaux de communication plus résilients, plus rapides et capables de sauver plus de vies.

En une phrase : C'est l'histoire de comment transformer un drone épuisé en un super-héros énergétique capable de sauver tout un village en vol, simplement en "mangeant" les messages qu'il transporte.

1. Problématique et Contexte

L'article aborde le défi critique de la mise en place de réseaux de réponse aux catastères (DRN - Disaster Response Networks) dans des scénarios d'Internet des Objets (IoT) où les infrastructures terrestres sont détruites.

Le rôle des UAV : Les drones (UAV) sont utilisés comme stations de base volantes (FBS) pour établir des liaisons temporaires entre des utilisateurs dans une zone sinistrée (Zone 1) et une station de base (BS) dans une zone sécurisée (Zone 2).
La contrainte énergétique : Le principal obstacle est la limitation de l'autonomie des batteries des UAV. Dans un scénario classique, le drone doit collecter des données, se déplacer vers la zone de destination et transmettre les données, tout en consommant de l'énergie pour le vol et la communication. Cela limite souvent le nombre d'utilisateurs servis et la durée de la mission.
L'objectif : Développer un modèle permettant de maximiser le nombre d'utilisateurs servis et de minimiser le temps de vol total du drone, tout en palliant le manque d'énergie initiale.

2. Méthodologie et Architecture Proposée

Les auteurs comparent deux scénarios distincts pour évaluer l'efficacité de la technologie SWIPT (Simultaneous Wireless Information and Power Transfer - Transfert simultané d'information et d'énergie sans fil).

Scénario A (Méthode Conventionnelle)

Le drone reçoit les données des utilisateurs de la Zone 1, se déplace vers la Zone 2 et transmet les données à la BS.
Limite : L'énergie est strictement limitée à la charge initiale de la batterie. Cela entraîne des taux de communication faibles et une couverture insuffisante pour un grand nombre d'utilisateurs.

Scénario B (Proposition avec SWIPT et Récolte d'Énergie - EH)

Principe : Pendant la phase de communication en liaison montante (uplink) avec les utilisateurs de la Zone 1, le drone utilise la technologie SWIPT pour récolter de l'énergie à partir des signaux RF émis par ces mêmes utilisateurs, tout en décodant l'information.
Architecture du récepteur : L'article adopte l'architecture Power Splitting (PS) (Division de puissance). Le signal reçu est divisé en deux flux : une partie est destinée au décodage de l'information (ID) et l'autre à la récolte d'énergie (EH).
Modélisation :
- Le système modélise les canaux Ground-to-Air (G2A) et Air-to-Ground (A2G) en tenant compte des probabilités de vue directe (LOS) et non-directe (NLOS).
- L'énergie récoltée est stockée dans une batterie pour alimenter le vol vers la Zone 2 et la transmission en liaison descendante (downlink).
- Une équation de consommation d'énergie pour le vol (incluant la traînée, la puissance induite et le profil des pales) est intégrée.

Formulation du Problème d'Optimisation

Les auteurs formulent un problème d'optimisation visant à minimiser le temps de vol total ( $T_{total}$ ) du drone.

Variables d'optimisation : Le coefficient de division de puissance ( $\eta_{PS}$ ) et l'efficacité de la batterie ( $\eta_{Bat}$ ).
Contraintes :
- L'énergie totale disponible (initiale + récoltée) doit suffire pour couvrir la distance, servir tous les utilisateurs et transmettre les données.
- Les taux de communication (SNR) doivent respecter les exigences de qualité de service.
Résolution : Le problème est transformé en un problème de maximisation convexe et résolu analytiquement en utilisant les conditions de Karush-Kuhn-Tucker (KKT) et la méthode du Lagrangien pour trouver les valeurs optimales des paramètres.

3. Contributions Clés

Intégration SWIPT dans les DRN : Proposition d'un modèle où le drone agit à la fois comme récepteur de données et comme récolteur d'énergie pendant la phase de liaison montante, une approche peu explorée dans les réseaux de relais UAV en mouvement.
Comparaison de Scénarios : Démonstration théorique et par simulation qu'un scénario avec récolte d'énergie (Scénario B) surpasse significativement le scénario conventionnel (Scénario A) en termes de capacité du réseau et d'efficacité énergétique.
Optimisation du Temps de Vol : Développement d'une solution analytique pour déterminer les paramètres optimaux (ratio de division de puissance) permettant de servir le maximum d'utilisateurs dans le temps le plus court possible.
Modélisation Complète : Prise en compte simultanée de la dynamique de vol, de la consommation d'énergie du drone, de la propagation des ondes (LOS/NLOS) et des contraintes de récolte d'énergie.

4. Résultats de Simulation

Les simulations, basées sur des paramètres réalistes (altitude, puissance d'émission, densité d'utilisateurs), confirment les résultats théoriques :

Corrélation Théorie/Simulation : Une forte concordance est observée entre les modèles mathématiques et les résultats simulés concernant le temps total de mission.
Impact de la Puissance d'Émission : L'augmentation de la puissance d'émission des utilisateurs réduit le temps total de mission du drone, car cela augmente le taux de données et la quantité d'énergie récoltée.
Capacité du Réseau : Le Scénario B (avec SWIPT) permet de servir un nombre significativement plus élevé d'utilisateurs que le Scénario A. Dans le scénario classique, le nombre d'utilisateurs est limité par la batterie initiale, tandis que le Scénario B permet une extension de la couverture grâce à l'énergie récoltée en cours de route.
Densité d'Utilisateurs : Il existe une relation non linéaire entre la densité d'utilisateurs et le temps de vol. À faible densité, l'énergie récoltée est négligeable. Au-delà d'un certain seuil, l'énergie récoltée augmente drastiquement, réduisant le temps de vol nécessaire ou permettant de servir plus de monde.
Altitude et Puissance : Une puissance d'émission plus faible oblige le drone à voler à une altitude plus basse pour maintenir la qualité du lien, ce qui influence la consommation d'énergie et le temps de mission.

5. Signification et Perspectives

Signification : Ce travail démontre que l'intégration de la technologie SWIPT dans les réseaux de drones pour la gestion des catastères est une solution viable pour surmonter les limitations énergétiques critiques. Elle permet d'augmenter la résilience du réseau, d'étendre la couverture et d'améliorer l'efficacité opérationnelle sans nécessiter de rechargement externe.
Perspectives Futures : Les auteurs suggèrent d'étendre ce modèle à des systèmes MIMO (Multiple-Input Multiple-Output) avec plusieurs drones coordonnés par formation de faisceaux (beamforming). De plus, l'utilisation de techniques d'apprentissage automatique (Machine Learning) pour optimiser dynamiquement les compromis entre le délai de communication, l'efficacité énergétique et la sécurité des données est envisagée.

En conclusion, cet article propose une architecture robuste et optimisée pour les réseaux IoT d'urgence, transformant la contrainte énergétique en une opportunité grâce à la récolte d'énergie simultanée aux communications.