WorldCat Identities

Makhoul, Abdallah

Overview
Works: 19 works in 28 publications in 2 languages and 41 library holdings
Roles: Opponent, Thesis advisor, Other, Editor, Author
Publication Timeline
.
Most widely held works by Abdallah Makhoul
5G IMPACT ON BIOMEDICAL ENGINEERING : wireless technologies applications( )

2 editions published in 2022 in English and held by 7 WorldCat member libraries worldwide

"This book is dedicated to studying the innovations and advancements of wireless networks for biomedical applications. This book focuses on a wide range of wireless technologies including body sensor networks, mobile networks, internet of things, mobile cloud computing, pervasive computing and wearable computing"--
Réseaux de capteurs : localisation, couverture et fusion de données by Abdallah Makhoul( Book )

2 editions published in 2008 in French and held by 3 WorldCat member libraries worldwide

This thesis tackles the problems of localization, coverage and data fusion in randomly deployed sensor networks. First, we introduce a novel approach for node's localization. It is based on a single mobile beacon aware of its positions. Sensor nodes receiving beacon packets will be able to locate themselves. The mobile beacon follows a defined Hilbert curve. On the other hand, we exploit the localization phase to construct sets of active nodes that ensure as much as possible the zone coverage. To optimize the energy consumption, we construct disjoint sets of active nodes such that only one of them is active at any moment, while ensuring at the same time both the network connectivity and the area coverage. We present and study four different scheduling methods. ln a third step, we study the problem of data fusion in sensor networks in particular the" average consensus" problem. It allows the nodes of a sensor network to track the average of n sensor measurements. To compute the average, we propose an iterative asynchronous algorithm that is robust to the dynamic topology changes and the loss of messages. To show the effectiveness of the proposed algorithms, we conducted series of simulations based on OMNet++
Data Reduction based energy-efficient approaches for secure priority-based managed wireless video sensor networks by Christian Salim( Book )

2 editions published in 2018 in English and held by 2 WorldCat member libraries worldwide

The huge amount of data in Wireless Video Sensor Networks (WVSNs) for tiny limited resources sensor nodes increases the energy and bandwidth consumption challenges. Controlling the network is one of the challenges in WMSN due to the huge amount of images sent at the same time from the sensors to the coordinator. In this thesis, to overcome these problems, several contributions have been made. Each contribution concentrates on one or two challenges as follows: In the first contribution, to reduce the energy consumption a new approach for data aggregation in WVSN based on shot similarity functions is proposed. It is deployed on two levels: the video-sensor node level and the coordinator level. At the sensor node level, we propose a frame rate adaptation technique and a similarity function to reduce the number of frames sensed by the sensor nodes and sent to the coordinator. At the coordinator level, after receiving shots from different neighboring sensor nodes, the similarity between these shots is computed to eliminate redundancies. In the second contribution, some processing and analysis are added based on the similarity between frames on the sensor-node level to send only the important frames to the coordinator. Kinematic functions are defined to predict the next step of the intrusion and to schedule the monitoring system accordingly. In the third contribution, on the transmission phase, on the sensor-node level, a new algorithm to extract the differences between two images is proposed. This contribution also takes into account the security challenge by adapting an efficient ciphering algorithm on the sensor node level. In the last contribution, to avoid slower detection of intrusions leading to slower reactions from the coordinator, a mac-layer protocol based on S-MAC protocol has been proposed to control the network. This solution consists in adding a priority bit to the S-MAC protocol to give priority to critical data
An energy-efficient data prediction and processing approach for the internet of things and sensing based applications by Hassan Harb( )

1 edition published in 2019 in English and held by 2 WorldCat member libraries worldwide

Impacts of wireless sensor networks strategies and topologies on prognostics and health management by Ahmad Farhat( )

1 edition published in 2017 in English and held by 2 WorldCat member libraries worldwide

Data compression and deep learning for IoT healthcare applications based on physiological signals by Joseph Azar( Book )

2 editions published in 2020 in English and held by 2 WorldCat member libraries worldwide

Ces dernières années, la technologie de l'Internet des objets (IoT) a suscité un vif intérêt en raison de sa capacité à alléger certaines tâches de soins de santé causé par le vieillissement de la population et l'augmentation des maladies chroniques. La technologie IoT facilite le suivi des patients souffrant de différentes pathologies et le traitement de vastes volumes de données, dont une partie substantielle de ces données sont des signaux physiologiques. Les signaux physiologiques sont une source inestimable de données qui aident à diagnostiquer, réhabiliter et traiter les maladies. Les signaux proviennent d'un réseau de capteurs corporels sans fil ou d'appareils portables placés sur le corps d'un patient. Il existe de nombreuses difficultés dans les systèmes de soins de santé IoT, tels que la collecte et le traitement des données. En particulier les problèmes suivants peuvent survenir : (1) les nœuds de capteurs sans fil ont des ressources énergétiques, de traitement et de mémoire limitées, (2) la quantité de données collectées périodiquement est énorme, (3) la qualité des données collectées n'est pas toujours satisfaisante et ces données sont susceptibles d'être bruitées ou peu fiables, et (4) le processus d'extraction manuelle des caractéristiques à partir des signaux physiologiques nécessite une intervention humaine et une expertise médicale importantes.Tout d'abord, une technique de compression de données éco-énergétique est proposée dans cette thèse. Le schéma proposé est basé sur un algorithme de compression avec perte. Cet algorithme a été conçu à l'origine pour des applications de calcul haute performance et a été adapté pour les dispositifs IoT qui sont limités en ressources. La solution proposée est un algorithme facile à mettre en œuvre, qui peut réduire la consommation d'énergie jusqu'à 2,5 fois. Il réduit également le temps de traitement / transmission en compressant les données avant leur transfert de l'IoT vers une machine Edge. De plus, une analyse empirique a été réalisée pour étudier l'effet de la compression des séries temporelles avec perte sur la tâche de classification. De plus, nous avons conçus différentes variantes des méthodes de compression et plusieurs réseaux de neurones profonds pour la classification des séries temporelles afin d'obtenir un compromis entre le taux de compression et les performances de classification.Deuxièmement, le problème de la distorsion des données due à la compression avec perte a été étudié et résolu. Pour résoudre cette limitation, un modèle d'apprentissage profond basé sur un auto-encodeur convolutionnel a été conçu. Le modèle proposé a pu améliorer les données compressées après la reconstruction, fixant ainsi la forme du signal physiologique et permettant une extraction plus précise des caractéristiques.Ensuite, les signaux du photopléthysmogramme ont fait l'objet d'une attention particulière. La photopléthysmographie (PPG) est utilisée pour mesurer le flux sanguin cutané à l'aide de la lumière infrarouge. L'existence d'artefacts de mouvement et de zones dénuées de sens dans le signal est un défi majeur rencontré lorsque vous travaillez avec ce signal. Un modèle d'apprentissage profond pour la détection automatique d'artefacts de mouvement basé sur une architecture d'autoencodeur CNN-LSTM a été proposé pour détecter et éliminer les zones non pertinentes dans les signaux de photopléthysmogramme afin d'éviter d'analyser et de traiter des données dénuées de sens.Enfin, un modèle d'apprentissage profond a été proposé pour la classification des séries temporelles. Un modèle de classification basé sur l'architecture DenseNet a été proposé pour la classification des séries temporelles multivariées. Les résultats montrent que l'approche proposée est capable d'atteindre et, dans plusieurs cas, de dépasser les performances des meilleurs modèles sur un ensemble de données de référence
Performance of low level protocols in high traffic wireless body sensor networks by Nadine Boudargham( )

1 edition published in 2019 in English and held by 2 WorldCat member libraries worldwide

Towards smart firefighting using the internet of things and machine learning by Gaby Bou Tayeh( Book )

2 editions published in 2020 in English and held by 2 WorldCat member libraries worldwide

L'objectif de cette de thèse est d'étudier à la fois des solutions matérielles et logicielles pour améliorer les conditions de travail des sapeurs-pompiers. Il s'agit de développer un système intelligent basé sur l'internet des objets pour surveiller l'état de santé des pompiers et aider à les localiser lors des interventions. Dans la première partie de la thèse, nous avons étudié et proposé plusieurs approches permettant de réduire la consommation d'énergie du système afin de maximiser sa durée de vie. La première approche présente un modèle de prédiction basé sur la corrélation temporelle entre les mesures collectées par le même capteur. Il permet de réduire la quantité de données collectées et transmises au centre de contrôle. Ce modèle est exécuté à la fois par le capteur et le centre et qui s'auto-adapte en fonction de l'écart constaté entre les mesures réelles collectées et les mesures prédites. Une deuxième version de cette approche a été étudiée pour prendre en considération la perte de message et la synchronisation entre le capteur et le centre de contrôle. D'un autre côté et pour réduire davantage la consommation d'énergie, nous avons couplé l'approche de prédiction avec un algorithme de collecte de données adaptatif permettant de réduire l'activité du capteur et le taux d'échantillonnage. Toutes ces approches ont été testées via des simulations et de l'implémentation réelle. Les résultats obtenus montrent l'efficacité de ces approches en termes de réduction de la consommation d'énergie tout en gardant l'intégrité de données. La deuxième partie de cette thèse est dédiée au traitement des données issues des interventions des sapeurs-pompiers. Nous avons étudié plusieurs méthodes de clustérisation permettant un prétraitement de données avant l'extraction des connaissances. D'un autre côté, nous avons appliqué des méthodes d'apprentissage profond sur un grand ensemble de données concernant 200.000 interventions qui ont eu lieu pendant une période de 6 ans dans le département du Doubs, en France. Le but de cette partie était de prédire le nombre d'interventions futures en fonction de variables explicatives externes, pour aider les pompiers à bien gérer leurs ressources
Using Wireless multimedia sensor networks for 3D scene asquisition and reconstruction by Anthony Tannouri( )

2 editions published in 2018 in English and held by 2 WorldCat member libraries worldwide

De nos jours, les réseaux de capteurs multimédia sans fils sont prometteurs pour différentes applications et domaines, en particulier avec le développement de l'IoT et des capteurs de caméra efficaces et bon marché. La stéréo vision est également très importante pour des objectifs multiples comme la Cinématographie, les jeux, la Réalité Virtuelle, la Réalité Augmentée, etc. Cette thèse vise à développer un système de reconstruction de scène en 3D prouvant l'utilisation de cartes de disparités stéréoscopiques multi-angles dans le contexte des réseaux de capteurs multimedia. Notre travail peut être divisé en trois parties. La première se concentre sur l'étude de toutes les applications, composants, topologies, contraintes et limitations de ces réseaux. En plus, les méthodes de calcul de disparité de vision stéréoscopique afin de choisir la ou les meilleures méthodes pour réaliser une reconstruction en 3D sur le réseau à faible coût en termes de complexité et de consommation d'énergie. Dans la deuxième partie, nous expérimentons et simulons différents calculs de cartes de disparités sur quelques nœuds en changeant les scénarios (intérieur et extérieur), les distances de couverture, les angles, le nombre de nœuds et les algorithmes. Dans la troisième partie, nous proposons un modèle de réseau basé sur l'arbre pour calculer des cartes de disparités précises sur des nœuds de capteurs de caméra multicouches qui répond aux besoins du serveur pour faire une reconstruction de scène 3D de la scène ou de l'objet d'intérêt. Les résultats sont acceptables et assurent la preuve du concept d'utilisation des cartes de disparités dans le contexte des réseaux de capteurs multimédia
Gestion efficace de données et couverture dans les réseaux de capteurs sans fil by Hassan Moustafa Harb( )

2 editions published in 2016 in English and held by 2 WorldCat member libraries worldwide

In this thesis, we propose energy-efficient data management techniques dedicated to periodic sensor networks based on clustering architecture. First, we propose to adapt sensor sampling rate to the changing dynamics of the monitored condition using one-way ANOVA model and statistical tests (Fisher, Tukey and Bartlett), while taking into account the residual energy of sensor. The second objective is to eliminate redundant data generated in each cluster. At the sensor level, each sensor searches the similarity between readings collected at each period and among successive periods, based on the sets similarity functions. At the CH level, we use distance functions to allow CH to eliminate redundant data sets generated by neighboring nodes. Finally, we propose two sleep/active strategies for scheduling sensors in each cluster, after searching the spatio-temporal correlation between sensor nodes. The first strategy uses the set covering problem while the second one takes advantages from the correlation degree and the sensors residual energies for scheduling nodes in the cluster. To evaluate the performance of the proposed techniques, simulations on real sensor data have been conducted. We have analyzed their performances according to energy consumption, data latency and accuracy, and area coverage, and we show how our techniques can significantly improve the performance of sensor networks
Competent QoS-aware and energy efficient protocols for body sensor networks by Nadine Boudargham( Book )

2 editions published in 2020 in English and held by 2 WorldCat member libraries worldwide

Les réseaux de capteurs corporels (RC2) sont constitués de bio-capteurs à faibles ressources énergétiques et de calcul. Ils collectent des données physiologiques du corps humain et de son environnement, et les transmettent à un coordinateur comme le PDA (Personal Digital Assistant) ou un smartphone, pour être acheminé ensuite aux experts de santé. Les réseaux de capteurs corporels collaboratifs (RC3) sont une collection de RC2 qui se déplacent dans une zone donnée et collaborent,interagissent et échangent des données entre eux pour identifier l'activité du groupe et surveiller l'état individuel et collectif des participants. Dans les réseaux RC2 et RC3, l'envoi de données de manière fiable tout en assurant une bonne Quality of Service (QoS) et une latence de données optimisée est crucial, vu la sensibilité des données collectées. La QoS dans ce type de réseaux dépend en grande partie du choix des protocoles de contrôle d'accès MAC (Medium Access Control) et des protocoles de routage, de l'efficacité énergétique, de la précision et de la détection des anomalies.Les protocoles existants dans la littérature et proposés pour les RC2et RC3 présentent de nombreuses limites au niveau de la latence de données, de la fiabilité, et de la détection de pannes. Le travail présenté dans cette thèse a trois objectifs principaux. Le premier consiste à étudier et concevoir de nouveaux algorithmes pour la couche MAC, robustes et capables de répondre aux défis de RC2 et RC3. Pour cela, nous avons conçu un nouveau protocole MAC qui prend en considération le trafic élevé et les contraintes de ressources dans ces types de réseaux, ainsi que la latence des données et l'urgence de relayer les informations sensibles. Le deuxième objectif consiste à proposer des protocoles de routage efficaces en termes de consommation d'énergie et de calcul, adaptés aux RC2 et RC3. Le troisième objectif est dédiée à l'étude d'un algorithme d'échantillonnage de données permettant de réduire la quantité de données collectées et transmises dans le réseau, sans perte d'information. Notre approche garantit la détection et l'envoi d'information en cas d'urgence tout en optimisant la consommation énergétique des nœuds. Pour montrer l'efficacité de nos approches, nous les avons testées dans un environnement de simulation OPNet dédié aux réseaux de capteurs et nous les avons comparées à plusieurs protocoles existants. Les résultats obtenus montrent l'efficacité de ces protocoles en termes d'optimisation de la consommation d'énergie, de latence et d'intégrité des données, et de détection d'anomalies
Energy-efficient scheduling strategies for minimizing big data collection in cluster-based sensor networks by Hassan Harb( )

1 edition published in 2018 in English and held by 2 WorldCat member libraries worldwide

Similarity based image selection with frame rate adaptation and local event detection in wireless video sensor networks by Christian Salim( )

1 edition published in 2018 in English and held by 2 WorldCat member libraries worldwide

Energy-efficient data collection and fusion in wireless body sensor networks for continuous health monitoring by Carol Habib( Book )

2 editions published in 2018 in English and held by 2 WorldCat member libraries worldwide

Several challenges exist in Wireless Body Sensor Networks such as the data collection and fusion especially that (1) wireless sensor nodes have limited energy, processing and memory resources, (2) the amount of periodically gathered data is huge, (3) the gathered data are characterized by a heterogeneous nature and (4) the data interpretation to ensure decision-support is influenced byseveral external factors such as the provided context information of the monitored person.In this thesis, the aforementioned challenges were tackled by proposing scientific aproaches. Firstly, an energy-efficient data collection technique is proposed. This technique targets the energy consumed by biosensor nodes for sensing and transmitting vital signs. It consists of a real-timesampling rate adaptation mechanism and a local detection system which are provided at the level of the nodes. Second, in order to perform a health assessment based on the collected data, a multisensor data fusion model is proposed. In this approach, the coordinator of the network performs anassessment of the patient's health condition based on the collected measurements of his/her vital signs. Such data is interpreted in a human-reasoning way and are characterized by ambiguity and imprecision. Thus, we propose to use a Fuzzy Inference System. Then, given that vital signs are highly correlated to the context of the monitored person, a context-aware multi-sensor data fusionmodel for health assessment is proposed. The person's context include his/her physical activity status, medical record and personal information. This information highly influences the interpretation of vital signs. Hesitant fuzzy sets are used to subjectively evaluate the intensity of the person's physical activities based on his/her personal information and the activity's characteristics. Finally, a specific healthcare monitoring application is targeted. A real-time stress detection and evaluation framework is proposed while taking into consideration the energy consumption constraint. Shimmer 3 GSR+ is used as a wireless sensor node to sense the Photoplethysmogram (PPG) signal and the skin conductance. An android mobile application is developed to extract from the PPG signal stress correlated vital signs such as the heart rate, the respiration rate and the blood pressure
Fault tolerant data transmission reduction method for wireless sensor networks by Gaby Bou Tayeh( )

1 edition published in 2020 in English and held by 2 WorldCat member libraries worldwide

Energy-efficient secured data reduction technique using image difference function in wireless video sensor networks by Christian Salim( )

1 edition published in 2019 in English and held by 2 WorldCat member libraries worldwide

Data reduction techniques for wireless sensor networks using mathematical models by Ibrahim Abdelhalim Atoui( )

1 edition published in 2018 in English and held by 1 WorldCat member library worldwide

Dans ce travail, nous présentons des techniques de réduction de données et de sécurité conçues pour économiser de l'énergie dans les réseaux de capteurs sans fil. Premièrement, nous proposons un modèle d'agrégation de données basé sur la fonction de similarité servant à éliminer les données redondantes. En plus, nous avons travaillé sur l'envoi, le moins possible, de caractéristiques de données en se basant sur des fonctions d'ajustement qui expriment ces caractéristiques. Deuxièmement, nous nous sommes intéressés à l'hétérogénéité des données tout en étudiant la corrélation entre ces caractéristiques multi variantes après avoir éliminé les mesures identiques durant la phase d'agrégation. Finalement, nous donnons un cadre de sécurité rigoureux, conçu à partir de la cryptographie, qui satisfait le niveau d'exigence atteint normalement dans les réseaux de capteurs sans fil arborescents. Il empêche les pirates d'obtenir des informations à propos des données détectées en assurant une certaine confidentialité de bout-en-bout entre les nœuds du capteur et le puits. Afin de valider nos techniques proposées, nous avons implémenté les simulations de la première technique sur des données collectées en temps réel à partir du réseau Sensor Scope déployé à Grand-St-Bernard. Les simulations de la deuxième et de la troisième technique sont réalisées sur des données collectées en temps réel à partir de 54 capteurs déployés au laboratoire de recherche Intel Berkeley. L'efficacité de nos techniques est évaluée selon le taux de réduction de données, la consommation de l'énergie, la précision des données et la complexité de temps
An efficient data model for energy prediction using wireless sensors by Michel Chammas( )

1 edition published in 2019 in English and held by 1 WorldCat member library worldwide

Outil de dimensionnement trans-niveaux de réseaux de capteurs sans fil contraints en énergie by Michel Bakni( )

1 edition published in 2021 in English and held by 1 WorldCat member library worldwide

Wireless Sensor Network (WSN) is a set of battery-powered nodes that include sensors coupled with processing units and wireless transceivers. Nowadays, WSN is a major topic in the research and development domain. Indeed, it constitutes an interesting solution to give an answer to different situations related to social, societal and economic issues such as the need to manage the Smart Grids or to supervise patient's health in the context of the aging population. This kind of network has the capacity to be simply deployed in harsh environments, such as forests, volcanoes and buildings, to achieve various goals, like tracking targets, animals or human beings for example, or monitoring physical phenomena, such as patient physiological signals or ambient temperature in a building.However, the deployment of WSNs can be critical because of the difficult conditions imposed by the application environment, for example, the high temperatures in the case of volcano activity supervision, or the impossibility of reaching the nodes after deployment, when the WSN must be used to structural health monitoring of a highway or a building. Therefore, researchers and developers need tools to test and evaluate, in the design process of a WSN, node and network performances before deploying it in real surroundings.In this context, simulation can provide a solution that can save time, cost, and effort before deploying a WSN application in its real environment. This explains that simulation tools are widely used in WSN designing stages and for research works evaluation related to this kind of network. Nevertheless, designing a WSN, dedicated to a specific application, needs to address its multilevel structure: topology, nodes and circuits. Thus, to handle the main challenges of WSN design such as energy issues, WSN modelling is considered a complex task because the adopted modelling approach has to take into account the WSN multilevel structure in order to provide exploitable results from different points of view at the same time.In this thesis, we define, propose and implement a cross-level energy-aware model for WSN that allows considering different levels of abstraction at the same time: circuits, nodes and topology. This energy-oriented model is able to trace the energy consumption from multiple points of view: a specific circuit's activity, circuit or node activities, as well as the impact on the WSN lifetime. The proposed model is implemented in a dedicated WSN simulator, which is used, defining different scenarios, to compare obtained results with a well-known simulator and physical WSN nodes with the aim to validate the relevance of our approach
 
moreShow More Titles
fewerShow Fewer Titles
Audience Level
0
Audience Level
1
  General Special  
Audience level: 0.89 (from 0.66 for 5G IMPACT ... to 0.97 for 5G IMPACT ...)

Languages
English (26)

French (2)