Bol, DavidDeprez, DamienDamienDeprez2025-05-142025-05-142025-05-142019https://hdl.handle.net/2078.2/40372Dans les années à venir, le nombre d’objets connectés va augmenter mais pas les ressources disponibles. Une grande partie de ces objets connectés sont des Wireless Sensor Nodes (WSN) également appelés smartsensors. Dans le futur, ces WSNs devront être totalement autonomes pour leur alimentation en énergie en récupérant de l’énergie dans l’environnement. L’énergie ainsi récupérée est très faible. C’est pourquoi les WSNs doivent consommer le moins d’énergie possible. Dans ce travail, nous allons nous intéresser à l’amélioration d’un WSN en terme d’efficacité énergétique en améliorant le Micro Controller Unit (MCU) utilisé par le WSN. Pour ce faire, nous cherchons à diminuer la consommation du processeur central (CPU). Nous comparons différents processeurs afin de déterminer lequel est le plus efficace pour diminuer la consommation d’énergie sans perdre de performances. Pour effectuer cette comparaison, nous utilisons les différents facteurs de mérite suivants pour quantifier un CPU : nombre d’instructions exécutées par seconde (performances), consommation électrique du CPU, surface, taille du code et nombre d’accès à la mémoire. L’analyse de données provenant de la littérature scientifique et celles provenant des fournisseurs montre que ces données ne sont pas comparables entre elles, car les conditions de test sont différentes. C’est pourquoi, afin de comparer différents processeurs, nous mettons en place un banc d’essai basé sur la simulation des processeurs. Il utilise le benchmark CoreMark. Nous trouverons dans ce travail le détail de l’architecture de ce banc d’essai et l’extraction des différents facteurs de mérite. Le processeur de référence dans ce travail de comparaison est le Cortex-M0 Design Start qui est présent dans la version actuelle du MCU à ultra-basse consommation développé à l’UCLouvain : SleepRunner. Nous avons choisi de le comparer avec Zero-riscy et RI5CY. Au final, le Cortex-M0 a un concurrent au niveau de l’efficacité énergétique dans certaines conditions. Si dans une première comparaison, Zero-riscy est 29% moins efficace que le Cortex-M0, il devient 21% plus efficace que ce dernier si nous effectuons une comparaison tenant compte de la consommation des mémoires. Nous nous trouvons dans cette deuxième comparaison avec la même configuration de mémoires que celle de SleepRunner. Par contre, RI5CY qui est conçu pour effectuer des tâches de traitement de signaux n’est pas du tout intéressant pour remplacer le Cortex-M0. Le banc d’essai développé pour ce travail de fin d’études est disponible en open source afin de permettre sa réutilisation pour prolonger ce travail de recherche en comparant d’autres processeurs ou en utilisant d’autres benchmarks.Over the next years, the number of connected objects will be increasing but not the available resources. A large part of these connected objects are Wireless Sensor Nodes (WSN) also called smartsensors. In the future, these WSNs will have to be totally autonomous for their energy supply by harvesting energy from the environment. The energy harvested is very small. That's why WSNs need to consume as little power as possible. In this work, we will focus on improving a WSN in terms of energy efficiency by improving the Micro Controller Unit (MCU) used by the WSN. To do this, we seek to reduce the central processor (CPU)’s power consumption. We compare different processors to identify which one is most effective in reducing power consumption without losing performance. To perform this comparison, we use the following different figures of merit to quantize a CPU: number of instructions executed per second (performance), CPU power consumption, area, code size, and number of memory accesses. The data analysis from the scientific literature and those from the suppliers shows that these data aren’t comparable with each other because the test conditions are different. That's why, in order to compare different processors, we set up a test bench based on the simulation of the processors. It uses the CoreMark benchmark. We will find in this work the architecture’s detail of this test bench and the extraction of the various figures of merit. The reference processor in this comparison work is the Cortex-M0 Design Start which is present in the current version of the ultralow power MCU developed at UCLouvain: SleepRunner. We chose to compare it with Zero-riscy and RI5CY. In the end, the Cortex-M0 has a competitor in terms of energy efficiency under certain conditions. If in a first comparison, Zero-riscy is 29% less efficient than the Cortex-M0, it becomes 21% more efficient than the latter if we perform a comparison taking into account the memory power consumption. We are in this second comparison with the same memory configuration as that of SleepRunner. On the other side, RI5CY which is designed to perform signal processing tasks isn’t at all interesting to replace the Cortex-M0. The test bench developed for this end-of-studies work is available in open source. The aim is to reuse it to extend this research work by comparing other processors or by using other benchmarks.Cortex-M0Zero-riscyRI5CYCoreMarkUltralow powerSleepRunnerTest benchBanc d'essaitext::thesis::master thesisthesis:19503