Stage - IA Embarquée pour la Surveillance du Spectre Rf H/F - CEA

Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat.

Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité sur un socle de recherche fondamentale. Le CEA s'engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l'Europe pour un présent et un avenir mieux maîtrisés et plus sûrs.

Implanté au coeur des territoires équipés de très grandes infrastructures de recherche, le CEA dispose d'un large éventail de partenaires académiques et industriels en France, en Europe et à l'international.

Les 20 000 collaboratrices et collaborateurs du CEA partagent trois valeurs fondamentales :

- La conscience des responsabilités
- La coopération
- La curiosité

IA embarquée pour la surveillance du spectre RF : détection d'intrusions et de brouillage par réseaux de neurones profonds

Le spectre radiofréquence est aujourd'hui un espace critique, de plus en plus dense et exposé à des perturbations intentionnelles ou non (interférences, brouillage, intrusions). La capacité à détecter automatiquement des comportements anormaux dans ce spectre est devenue un enjeu majeur pour les systèmes de communication modernes, notamment dans les domaines de la sécurité, de la vidéo-surveillance sans fil ou encore des réseaux mobiles.

L'objectif de ce stage est de concevoir et d'implémenter une approche basée sur l'intelligence artificielle pour la détection d'anomalies dans des signaux radiofréquences, en s'appuyant sur des architectures de deep learning, et en particulier des auto-encodeurs et réseaux de neurones profonds. Le travail se déroulera en trois grandes phases :

1. État de l'art et analyse bibliographique

Une première phase consistera à étudier les approches existantes de détection d'anomalies dans le domaine RF et plus largement dans les signaux temporels et spectrogrammes. Une attention particulière sera portée aux méthodes non supervisées et auto-supervisées (auto-encodeurs, modèles de représentation latente).

2. Simulations et validation algorithmique

Dans un second temps, des simulations numériques seront mises en place afin de générer des scénarios réalistes de signaux RF (trafic normal + anomalies). Ces données permettront de concevoir, entraîner et évaluer différents modèles de détection d'anomalies basés sur le deep learning.

3. Implémentation embarquée et démonstrateur

Une phase d'intégration sera réalisée sur une plateforme matérielle de type NVIDIA Jetson Orin, couplée à des cartes d'acquisition radio rapide. L'objectif est de démontrer le fonctionnement en temps réel d'un système de surveillance du spectre capable de détecter des comportements anormaux.

Un démonstrateur final illustrera les capacités du système dans des cas d'usage concrets

Compétences recherchées (au moins 3 parmi la liste)

Deep learning (PyTorch / TensorFlow)

Traitement du signal RF

Auto-encodeurs et apprentissage non supervisé

Simulation de données numériques

Systèmes embarqués (NVIDIA Jetson)

Traitement temps réel et optimisation GPU