Offre de doctorat en techniques de cartographie de canaux et d’apprentissage automatique pour les réseaux MIMO 6G massifs sans cellules

Titre

Techniques de cartographie des canaux et d’apprentissage automatique pour minimiser la consommation d’énergie des réseaux massifs MIMO 6G sans cellule

Contexte

Alors que nous nous engageons sur la voie des réseaux sans fil 6G, une multitude d’obstacles doivent être surmontés par les ingénieurs et les chercheurs. Les impératifs d’un débit élevé, d’une faible latence et de communications ultra-fiables se profilent à l’horizon. Parallèlement, le besoin croissant de pratiques de communication respectueuses de l’environnement est de plus en plus évident, découlant de la nécessité de réduire l’ empreinte écologique des réseaux de radio mobile. L’amélioration de l’efficacité énergétique des réseaux sans fil revêt une importance capitale, en particulier à la lumière des prévisions suggérant que les communications pourraient contribuer jusqu’à 14 % aux émissions mondiales de CO2 d’ici 2040.

Dans cet écosystème de réseaux dynamique et complexe, les technologies révolutionnaires sont essentielles pour répondre efficacement aux diverses exigences imposées par les préoccupations techniques, environnementales et sociétales. À cette fin, les chercheurs préconisent trois facteurs principaux permettant des communications plus efficaces et plus écologiques : (i) les systèmes d’antennes distribuées massives, également connus sous le nom de réseaux massifs à entrées multiples et sorties multiples (CF-mMIMO) sans cellules, (ii) les systèmes énergétiques. des techniques efficaces de gestion des ressources et (iii) des solutions de traitement du signal assistées par l’intelligence artificielle (IA).

La technologie CF-mMIMO promet des améliorations significatives dans les réseaux mobiles en renforçant la macro-diversité et en garantissant une efficacité spectrale (SE) cohérente dans toutes les zones de couverture. Cela évite également le problème des interférences intercellulaires, un problème courant dans les réseaux cellulaires actuels. Cela marque un changement de paradigme par rapport aux systèmes conventionnels, surmontant leurs limites et répondant aux défis des réseaux sans fil B5G et 6G. D’autre part, les outils d’IA offrent un soutien précieux en concevant des solutions efficaces à des problèmes d’optimisation complexes, surmontant ainsi les problèmes liés à une complexité et une latence élevées.

Néanmoins, des techniques efficaces de gestion spectrale et de puissance reposent sur la disponibilité d’ informations sur l’état du canal (CSI) de grande dimension recueillies au niveau de nombreux points d’accès (AP) multi-antennes sur de larges bandes passantes. Par conséquent, un volume important de CSI doit être traité et échangé sur les réseaux, et à des débits rapides, en particulier lorsqu’il s’agit d’une forte mobilité des utilisateurs. Pour relever ce défi, le cadre de cartographie des canaux (CC) a été introduit pour exploiter les informations spatiales inhérentes au CSI. Cela implique de mapper le CSI de grande dimension dans un graphique de dimension inférieure, où les positions relatives des utilisateurs sont préservées. En conséquence, CC peut être considéré comme une méthode de compression de CSI. Pour y parvenir, CSI est d’abord utilisé pour extraire les caractéristiques du canal, qui sont ensuite utilisées pour apprendre une fonction de cartographie de manière non supervisée.

Figure 1. Réseau MIMO sans cellule massif reposant sur la cartographie des canaux

Objectifs et méthodologie

L’objectif de cette thèse est d’introduire des approches innovantes pour améliorer les communications B5G et 6G, en se concentrant sur la maximisation de l’efficacité énergétique du réseau. Il s’agit d’assurer l’équilibre optimal entre l’empreinte écologique et l’efficacité spectrale. Une gestion efficace des interférences revêt une importance primordiale pour atteindre ces objectifs. Par conséquent, la recherche se concentrera sur l’optimisation de l’allocation des ressources tout en utilisant l’accès multiple non orthogonal (NOMA). NOMA implique d’attribuer deux utilisateurs ou plus à la même ressource spectrale/temporelle via un multiplexage de puissance approprié, améliorant ainsi le système SE. Par conséquent, l’étude envisagera une optimisation conjointe du clustering d’utilisateurs NOMA, du précodage MIMO, de l’allocation de puissance et de la sélection des points d’accès. Au lieu de s’appuyer sur des CSI complets, des diagrammes de canaux seront utilisés pour accomplir ces tâches, maintenant ainsi un niveau modéré de complexité du système et d’échange de signalisation.

Le candidat commencera par procéder à un examen complet de l’état de l’art en matière de CC, de techniques d’allocation de ressources et de réseaux CF-mMIMO. Par la suite, ils se concentreront sur le développement et la mise en œuvre de nouvelles stratégies pour gérer efficacement les ressources spectrales, spatiales et énergétiques. Un accent particulier sera mis sur l’identification des configurations de réseau sans cellule les plus appropriées (centralisées, distribuées, hybrides) pour tirer pleinement parti des avantages de la cartographie des canaux.

Plus précisément, le travail commencera par identifier la mesure de distance de canal la plus adaptée à la tâche d’allocation de ressources. Cela implique de déterminer dans un premier temps les caractéristiques appropriées du canal, en fonction de l’application et du contexte concernés.

Dans une deuxième phase, une réduction de dimensionnalité sera effectuée, en fonction des caractéristiques sélectionnées. Pour ce faire, diverses méthodes d’apprentissage automatique peuvent être envisagées telles que l’apprentissage contrastif (réseaux profonds siamois ou triplet), l’apprentissage multiple (Isomap, Multi-Dimensional scaling), les auto-encodeurs , entre autres. Une attention particulière sera accordée à l’identification des algorithmes les plus adaptés au scénario distribué inhérent aux systèmes CF-mMIMO. 

Afin de garantir la praticité des méthodes proposées dans des scénarios réalistes de mobilité des utilisateurs et de changements environnementaux, l’évolution temporelle des cartes de canaux sera considérée en s’appuyant sur des techniques d’apprentissage en ligne qui effectuent une adaptation des cartes générées précédemment. Ces graphiques sont ensuite utilisés en permanence pour optimiser l’allocation des ressources.

Mots clés

Réseaux MIMO massifs sans cellule, cartographie des canaux, accès multiple non orthogonal, allocation de ressources, apprentissage automatique.

Les références

1. OT Demir, E. Bjornson et L. Sanguinetti, « Fondements du MIMO massif sans cellule centré sur l’utilisateur », Fondements et tendances® en traitement du signal , vol. 14, non. 3-4, p. 162-472, 2021.
2. X. Chen et coll. « Appairage d’utilisateurs et planification de paires dans les systèmes massifs MIMO-NOMA », IEEE Communications Letters, vol.22 no.4, pp. 788-791, 2017.
3. C. Studer, S. Medjkouh, E. Gonultaş, T. Goldstein et O. Tirkkonen, « Channel Charting: Localisation des utilisateurs dans l’environnement radio à l’aide des informations sur l’état du canal », dans IEEE Access , vol. 6, pages 47682-47698, 2018.
4. L. Le Magoarou, T. Yassine, S. Paquelet et M. Crussière, « Channel Charting Based Beamforming »,  2022 56th Asilomar Conference on Signals, Systems, and Computers , Pacific Grove, CA, USA, 2022, pp. 1185-1189 .
5. L. Ribeiro, M. Leinonen, H. Djelouat et M. Juntti, « Channel Charting for Pilot Reuse in mMTC with Spatiaally Corrated MIMO Channels », Ateliers  IEEE Globecom 2020 , Taipei, Taiwan, 2020, pp. 1-6.

Profil du candidat

Nous recherchons des candidats titulaires d’un diplôme d’ingénieur et/ou d’une maîtrise en télécommunications ou dans un domaine directement connexe. Le candidat doit posséder une solide expérience en communications numériques, réseaux mobiles, traitement du signal, apprentissage automatique et maîtrise des langages de programmation tels que Matlab et Python.

Informations pratiques

Lieu : La thèse se déroulera au laboratoire IETR, INSA, Campus de Beaulieu, Rennes.

Date de début : septembre ou octobre 2024.

Durée : 3 ans.

Salaire : Le salaire brut commence à 2100 euros par mois.

Postuler

Veuillez envoyer un CV (comprenant au moins deux références avec leurs coordonnées), une lettre de motivation, des copies de tous les dossiers académiques et notes (de préférence avec classements), et éventuellement, 1 ou 2 lettres de recommandation aux directeurs de thèse :

Joumana Farah : joumana.farah@insa-rennes.fr

Matthieu Crussière : matthieu.crussiere@insa-rennes.fr

Luc Le Magoarou : luc.le-magoarou@insa-rennes.fr

Seules les candidatures complètes seront prises en compte. Tous les documents doivent être en français ou en anglais.