Plateforme multicapteurs pour le monitorage du positionnement géographique et des signaux comportementaux

De nos jours, de nombreuses maladies chroniques touchent les populations et semblent en augmentation. Parmi elles on peut citer les maladies cardio-vasculaires et le diabète. L'obésité, considérée à la fois comme une maladie et un facteur de risque d'autres maladies, est également un problème de santé publique. Pour étudier les causes et l'impact de ces maladies, de nombreuses études cherchent à récupérer des données sur certains paramètres physiologiques des personnes, mais aussi des informations sur l'environnement où elles se situent. La question est de savoir dans quelle mesure l'environnement et le mode de vie ont un impact sur l'émergence et l'accroissement de ces maladies. Afin de réaliser ces études, des outils plus ou moins spécialisés sont utilisés pour mesurer et récupérer les données. Divers appareils du commerce peuvent être utilisés, augmentant ainsi le nombre de modules qu'un participant à l'étude doit porter. La démocratisation des téléphones portables intelligents, contenant de plus en plus de capteurs différents, pourrait permettre de réduire le fardeau généré pour les participants. Malheureusement, des problèmes de durée de vie de pile et d'imprécision des mesures sont constatés. Ainsi, de plus en plus d'équipes de recherche se tournent vers la conception et le développement des outils dont ils ont besoin et qui n'existent pas à ce jour sur le marché. Ce mémoire présente donc la participation à la conception et au développement d'un tel appareil, permettant de recueillir la position géographique et certains paramètres physiologiques, tout en étant portable, peu encombrant et ayant une autonomie de pile de plus de 12 heures. Afin de parvenir à cette autonomie et pour l'améliorer le plus possible, des optimisations de gestion de pile sont effectuées. Le principe est de déterminer à quels moments certaines données ne sont pas indispensables permettant d'éteindre ou mettre en veille les modules les générant. Pour vérifier l'impact des algorithmes de gestion de pile, des tests sont effectués. Deux unités sont portées simultanément par un participant. Une des unités comprend un programme de référence où toutes les données sont récupérées en tout temps. L'autre unité comprend un programme avec les stratégies de gestion de pile. Les courbes de décharge de pile sont ensuite comparées et l'amélioration de la durée de vie de pile est largement démontrée.

Abstract

Nowadays, people are more and more touched by chronic diseases. Diabetes and cardiovascular diseases are of the number. Obesity, considered both as a disease and a risk factor for other illnesses, is also a public health problem. In order to study the causes and consequences of these diseases, a large number of studies are conducted to examine the patients. These studies' goals are to get data on some physiological parameters and on the environment in which the patients live. One of the big questions is to know how and how much does the environment and the way of living affect the emergence and increase of these diseases. In order to be able to do these studies, more and more sophisticated tools are used to measure and get the relevant data. Commercial devices can be used, increasing the number of devices the participant of the study has to wear. The new capabilities of smart phones, bearing a lot of different sensors, could help reduce the burden of the participants. However a lot of problems concerning the battery lifetime and the lack of precision of some data have been observed. This is the main reason why more and more research groups start to develop themselves custom systems in order to fulfill their needs. This thesis present the participation to the design and development of such custom system that can get both the geographic position and physiologic data on a patient, while being portable, not cumbersome and being able to work continuously for more than 12 hours. In order to be able to work that long, optimizations have been made in the battery management. A strategy is to determine when, during the study, some data are not useful and to shut down the corresponding modules in the device, thus allowing to preserve the battery much longer. In order to verify the impact of the different smart battery management algorithms a few tests have been conducted. Two units are simultaneously wears by a user, one of them without battery management but still recording all the data, and the other with a smart battery algorithm. Battery discharge curves are shown and compared and a significant increase in the battery lifetime is demonstrated by using the algorithms.