> Offres de formation > Offres de thèses

Systèmes de communication à faible consommation d'énergie pour les réseaux cell-free MIMO massifs

Défi technologique : Réseaux de communication, internet des objets, radiofréquences et antennes (en savoir +)

Département : Département Systèmes (LETI)

Laboratoire : Laboratoire Sans fils Haut Débit

Date de début : 01-09-2022

Localisation : Grenoble

Code CEA : SL-DRT-22-0173

Contact : david.demmer@cea.fr

Le Cell-free massive multiple-input multiple-output (CF-mMIMO) est une technologie clé de la future 6e génération de réseaux sans fil (6G). Cela représente une infrastructure de réseau alternative et constitue une piste de recherche solide pour améliorer l'efficacité énergétique (EE) et l'efficacité spectrale (SE) des systèmes sans fil de demain. Dans un système CF-mMIMO, les frontières des cellules disparaissent et de nombreux points d'accès se partagent les différentes antennes de la station de base. Il en résulte des modules radio plus petits et plus légers, avec seulement quelques antennes par point d'accès. Plus important encore, le CF-mMIMO récolte tous les avantages du MIMO massif classique/co-localisé, et offre de nombreux avantages en plus par rapport aux systèmes sans fil traditionnels tel que d'assurer un déploiement rapide et flexible d'infrastructures avec une consommation énergétique réduite et d'améliorer la couverture du réseau. Cependant, pour être intéressant économiquement, le CF-mMIMO doit utiliser des composants à faible coût et fort rendement énergétique. Une telle utilisation implique de fortes distorsions Radiofréquence (RF) ce qui limite la capacité et les performances des systèmes CF-mMIMO. Ces distorsions doivent être prise en compte dans la spécification et la conception de la couche physique. Le sujet de thèse se concentrera sur l'étude des précodeurs multi-utilisateurs ayant pour objectif d'annuler l'interférence entre les utilisateurs. Avec cette thèse, nous proposons d'explorer le potentiel offert par les méthodes d'optimisation distribuée et des algorithmes apprentissage (Machine Learning) pour compenser ces distorsions matérielles et pouvoir considérablement améliorer l'efficacité énergétique des systèmes CF-mMIMO. 1. Etude d'algorithmes de précodage assurant conjointement l'annulation de l'interférence inter-utilisateur et la réduction de la fluctuation de l'enveloppe du signal (PAPR). En effet, les signaux à enveloppe constante sont moins sensibles aux effets non-linéaires des amplificateurs de puissance. 2. Etude d'algorithmes de précodage assurant conjointement l'annulation de l'interférence inter-utilisateur et la compensation de distorsion RF. Le but étant de directement prendre en compte l'inévitable distorsion induite par les chaînes RF (effets non-linéaires et effets de quantification). 3. Etude de nouvelles architectures ML et de méthodes d'apprentissage adaptées aux distorsions non-linéaires et aux architectures distribuées. Le·a candiat·e devra démontrer des compétences diverses aussi bien dans le domaine du traitement du signal, aux communications numériques, aux problèmes d'optimisation et aux méthodes d'apprentissage.

Voir toutes nos offres Télécharger l'offre (.zip)

Email Bookmark and Share