Pour réduire la consommation d'énergie due aux transmissions radio dans les réseaux de capteurs sans fil, nous proposons une nouvelle approche associant les techniques de précodage MIMO et de relais, appelé précodage distribué max-dmin (DMP). Considérant une source et un relais avec une antenne chacun, et une destination disposant de deux antennes, nous déployons un système MIMO précodé virtuel 2 × 2. Dans ce contexte, nous étudions deux techniques de relais Amplify and Forward (AF) et Decode and Forward (DF). Des comparaisons en termes de taux d'erreur et d'efficacité énergétique par rapport aux systèmes plus classiques comme les codes spatio-temporels distribués ou les combinaisons à gain maximal montrent que notre système est intéressant pour des distances de transmission moyennes (à partir de 16 mètres). Toujours dans l'objectif de maximiser l'efficacité énergétique, nous proposons une allocation de puissance sur les nœuds source et relais. Pour cela, nous dérivons analytiquement les performances du système précodage distribué max-dmin selon le mode AF et DF. Enfin,pour améliorer les performances des systèmes avec décodage au relais (DF), nous proposons un nouveau récepteur (à la destination) qui tient compte des erreurs éventuelles au niveau du relais.

Cette thèse propose une approche pour intégrer l'utilisation des propriétés temporisées stochastiques dans un processus continu de design fondé sur des modèles à l'exécution. La spécification temporelle de services est un aspect important des architectures à base de composants, par exemple dans des réseaux distribués volatiles de nœuds informatiques. L'approche models@runtime facilite la gestion de ces architectures en maintenant des modèles abstraits des architectures synchronisés avec la structure physique de la plate-forme d'exécution distribuée. Pour les systèmes auto-adaptatifs, la prédiction de délais et de débit d'un assemblage de composants est primordial pour prendre la décision d'adaptation et accepter les évolutions qui sont conformes aux spécifications temporelles. Dans ce but, nous définissons une extension du métamodèle fondée sur les réseaux de Petri stochastiques comme un modèle temporisé interne pour la prédiction. Nous concevons une bibliothèque de patrons pour faciliter la spécification et la prédiction des propriétés temporisées classiques de modèles à l'exécution et rendre la synchronisation des comportements et des changements structurels plus facile. D'autre part, nous appliquons l'approche de la modélisation par aspects pour tisser les modèles temporisés internes dans les modèles temporisés de comportement du composant et du système. Notre moteur de prédiction est suffisamment rapide pour effectuer la prédiction à l'exécution dans un cadre réaliste et valider des modèles à l'exécution.