Traitement spatial et codage adaptatif aux systèmes et réseaux de communications massives

Abstract

Les réseaux de communications sans fil de cinquième génération (5G) et au-delà imposent des exigences élevées en termes de débit, de capacité et d’efficacité énergétique. Dans ce contexte, les systèmes Massive MIMO exploitant les bandes millimétriques (mmWave) apparaissent comme une solution clé pour répondre à ces besoins. Toutefois, la mise en œuvre de tels systèmes est fortement limitée par la complexité matérielle et la consommation énergétique, en particulier lorsque des architectures entièrement numériques sont envisagées. Cette thèse s’intéresse à l’étude et à l’optimisation du précodage hybride pour les systèmes Massive MIMO mmWave, en considérant des scénarios multi-utilisateurs réalistes. Différentes architectures matérielles de précodage hybride sont analysées, notamment les implémentations SPS, DPS et FPS, afin d’évaluer leur compromis entre performances et complexité. Une approche de conception en deux étapes est adoptée pour la réalisation conjointe du précodage analogique et numérique. Par ailleurs, l’apport de l’intelligence artificielle, à travers les réseaux de neurones convolutionnels (CNN), est exploré pour la conception efficace des faisceuteurs hybrides. Les résultats de simulation montrent que les approches proposées permettent d’atteindre des performances proches du précodage numérique tout en améliorant significativement l’efficacité énergétique.