Annonce

Les commentaires sont clos.

Thèse CIFRE ORANGE- CNAM : CSIT acquisition techniques with limited feedback for massive and cooperative MIMO

15 Mai 2023


Catégorie : Doctorant


Sujet de these CIFRE : CSIT acquisition techniques with limited feedback for massive and cooperative MIMO

Nous proposons un sujet de thèse CIFRE en traitement du signal pour les télécommunications entre Orange et le Conservatoire National des Arts et Métiers.

La thèse sera dirigée par Dr. Raphaël VISOZ (raphael.visoz@orange.com), Orange Labs, Chatillon et Pr. Didier LE RUYET (leruyet@cnam.fr), CNAM, Paris.

Lien pour la candidature : https://orange.jobs/jobs/v3/offers/124585?lang=fr

Date limite de candidature : 31 Aug 2023

 

Sujet de these CIFRE :CSIT acquisition techniques with limited feedback for massive and cooperative MIMO

Lien pour la candidature :https://orange.jobs/jobs/v3/offers/124585?lang=fr

Date limite de candidature : 31 Aug 2023

Contexte global et problématique du sujet

Les techniques d’acquisition de la connaissance de l’état du canal à l’émission pour les transmissions MIMO sont en constante amélioration dans les standards 3GPP (4G, 5G) et WIFI. Il existe principalement deux techniques pour l’acquisition de la connaissance du canal à l’émission. La première est basée sur la réciprocité du canal pour le duplexage TDD. L’estimation du canal récepteur vers émetteur permet de déduire le canal émetteur vers récepteur sous certaines hypothèses de calibration des antennes. Cela permet une acquisition de la connaissance du canal de propagation sans compression/quantification à l’émetteur. Toutefois, l’interférence perçue au récepteur, elle, n’est pas réciproque, ainsi la création de faisceaux à l’émission basée sur la connaissance du canal à l’émission ne peut pas prendre en compte l’interférence. La deuxième est basée sur une voie de retour limitée du récepteur vers l’émetteur indiquant à l’émetteur les paramètres de transmission (formation de faisceaux, schéma de modulation et codage) les plus adaptés aux conditions de réception. Cette voie de retour ne peut être la remontée explicite de la connaissance du canal et de l’interférence beaucoup trop couteuse en ressources radios mais doit être compressée/quantifiée. L’avantage de cette dernière approche est d’une part qu’elle permet de prendre en compte l’interférence dans les choix des paramètres de transmission et d’autre part qu’elle s’applique au duplexage TDD et FDD.

Objectif scientifique – résultats et verrous à lever

L’objectif scientifique de cette thèse est de développer des techniques d’acquisition de connaissance de l’état du canal à l’émission avec voie de retour limité pour le MIMO massif et le MIMO coopératif en prenant en compte les récentes avancées du 3GPP [1,2] notamment pour le MIMO codebook type II reposant sur une compression utilisant la « parcimonie » du canal en directions, retard et doppler [3]. Par ailleurs, les approches alternatives reposant sur des techniques AI/ML pour la compression du CSI au UE et la décompression au niveau de la station de base seront aussi considérées en partant des contributions du WI Rel. 18 AI/ML et plus particulièrement des cas d’usage « CSI compression et CSI prediction » [4]. Il s’agira aussi d’optimiser ces techniques dans un contexte SU-MIMO, MU-MIMO conjointement avec les algorithmes d’adaptation de lien et d’ordonnancement reposant sur le design d’abstraction de la couche physique. Ces techniques seront aussi étudiées pour des configurations de MIMO coopératif, par exemple, pour des réseaux à accès multiples avec relais en s’appuyant sur les résultats de thèses Orange déjà réalisées dans ce domaine [5].

Vous travaillerez dans un domaine de recherche dynamique nécessitant de croiser à la fois des connaissances théoriques sophistiquées et des approches pragmatiques en cours de développement par l’industrie. Le MIMO est un invariant très structurant pour les générations de réseaux radio-mobiles, c’est donc un sujet en continuité avec l’état de l’art mais comprenant des éléments potentiels de ruptures comme les approches AI/ML et les structures MIMO coopératives innovantes. L’étudiant travaillera dans un cadre à la fois propice au développement de propriétés intellectuelles et à la dissémination scientifique.

Bibliographie :

[1] Rel. 18 WID “MIMO Evolution for Downlink and Uplink” RP-213598

[2] Rel. 18 SID “Study on Artificial Intelligence (AI)/Machine Learning (ML) for NR air interface ” RP-221348

[3] V. Ramireddy, M. Grossmann, M. Landmann and G. D. Galdo, "Enhancements on Type-II 5G New Radio Codebooks for UE Mobility Scenarios," in IEEE Com. Mag., vol. 6, no. 1, pp. 35-40, March 2022

[4] J. Guo, C. K. Wen, S. Jin and G. Y. Li, "Overview of Deep Learning-Based CSI Feedback in Massive MIMO Systems," in IEEE Transactions on Communications, vol. 70, no. 12, pp. 8017-8045, Dec. 2022

[5] A. Al Khansa, R. Visoz, Y. Hayel and S. Lasaulce, "Joint rate and relaying nodes allocation for orthogonal MAMRN," 2022 5th International Conference on Advanced Communication Technologies and Networking (CommNet), Marrakech, Morocco, 2022.

Votre profil

  • Diplôme d’ingénieur ou master de recherche en relation avec les communications numériques, le traitement du signal.
  • De solides connaissances en communication numérique, en théorie des antennes et de la propagation sont demandées.
  • De bonnes compétences en réseaux radio mobiles (NR 5G) sont très appréciées
  • Une bonne maîtrise de l'anglais est nécessaire.
  • Une bonne maitrise de la programmation (par exemple matlab, langage C/C++, python)
  • Il/elle doit faire preuve d'une bonne autonomie de curiosité et de pugnacité, d'un fort esprit d'initiative et de synthèse.

Entité

Au sein de la division Innovation d’Orange, vous serez intégré(e) à l’équipe RAP (RAdio Performance) rattachée au département IREN (Innovation in Radio and ENvironment). L’équipe RAP est en charge de la conception et de l’évaluation de performances des solutions technologiques radio-mobile de demain. Les études poursuivies se portent aujourd’hui principalement sur l’évaluation des performances des réseaux mobiles 5G, sur l’évaluation et la mise au point des solutions virtualisés ORAN, et la 6G.

Contacts

Dr. Raphaël VISOZ (raphael.visoz@orange.com), Orange Labs, Chatillon

Pr. Didier LE RUYET (leruyet@cnam.fr), CNAM, Paris.