Просмотр новости
Найдите то, что Вас интересует
Спутники
РН
SpaceX
Роскосмос
NASA
2026-41243 - Stage - IA embarquée pour la surveillance du spectre RF H/F
Дата публикации: 25-08-2026 13:43:41
Domaine : Sciences pour l'ingénieur
Contrat : Stage
Description du poste :
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
Ville : Grenoble
Langue / Niveau :
Français : Intermédiaire
Langue / Niveau :
Anglais : Intermédiaire
Основное содержимое страницы с новостью.
Informations générales
Description de l'unité
Moyens / Méthodes / Logiciels
Localisation du poste
Site
Entité de rattachement
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 cœur 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
Référence
2026-41243
Cette offre est portée par le laboratoire LS2PR (Laboratoire « Signal, Protocoles et Plateformes Radio ») du département « Systèmes » du CEA-Leti à Grenoble. Composée de 20 chercheurs permanents, cette équipe mène des travaux dans le domaine des systèmes de communications radio, autour des formes d'onde, des protocoles et de leur implémentation sur des plateformes matérielles. Les applications principales sont les évolutions des réseaux cellulaires vers la 6G, les réseaux privés, les réseaux pour l'IoT critique, les communications optiques sans fil, la radio localisation et la fonctionnalisation des architectures RF pour la capture d'environnement. La particularité du laboratoire est de regrouper des experts en traitement du signal, codage de l'information et techniques d'optimisation ainsi qu'en implémentation sur des cibles matérielles. Cette diversité permet la réalisation de prototypes avancés nécessaires à la validation et la valorisation des travaux menés. En complément, le LS2PR contribue aux missions du CEA-Leti de soutien à l'industrie en nouant des partenariats de recherche visant à transférer les technologies du laboratoire chez ses partenaires.
Description du poste DomaineSciences pour l'ingénieur
ContratStage
Intitulé de l'offreStage - IA embarquée pour la surveillance du spectre RF H/F
Sujet de stageCe stage porte sur le développement d’une solution d’IA embarquée pour la surveillance du spectre radiofréquence et la détection automatique d’anomalies (intrusions, brouillage, interférences). L’objectif est de concevoir des modèles de deep learning, notamment des auto-encodeurs, capables d’analyser des signaux RF et des spectrogrammes en conditions réalistes. Après une phase de simulation et de validation algorithmique, le système sera intégré sur une plateforme embarquée NVIDIA Jetson pour un fonctionnement temps réel.
Le projet aboutira à un démonstrateur dédié à la sécurisation des communications sans fil, avec des applications en détection d’intrusions et de brouilleurs.
[5 à 6 mois]
Description de l'offreIA 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
MATLAB, PYTHON, C/C++
Profil du candidatCompétences 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
Grenoble
Localisation du posteFrance
VilleGrenoble
Critères candidat Langues- Français (Intermédiaire)
- Anglais (Intermédiaire)
Bac+5 - Master 2
Formation recommandéeSignal
Possibilité de poursuite en thèseOui
Demandeur Disponibilité du poste18/01/2027
Схожие новости
Классификация: Наука. Схожих патентов: 0. Схожих новостей: 10. Тональность: 0. Информативность: 4.74. Источник: www.emploi.cea.fr.