Systèmes de communication robustes dans des environnements inconnus

Robust Communication Systems in Unknown Environments

• Auteur / Autrice : Yasser Mestrah
• Direction : Guillaume Gellé
• Type : Thèse de doctorat
• Discipline(s) : ATS - Automatique et Traitement de Signal
• Date : Soutenance le 16/12/2019
• Etablissement(s) : Reims
• Ecole(s) doctorale(s) : École doctorale Mathématiques Physique Sciences du Numérique et de l'Ingénieur (Reims ; 2018-)
• Partenaire(s) de recherche : Laboratoire : Centre de Recherche en Sciences et Technologies de l'Information et de la Communication (Reims, Marne ; 2004-....)
• Jury : Président / Présidente : Valeriu Vrabie
• Jury : Examinateurs / Examinatrices : Guillaume Gellé, Charly Poulliat, Philippe Mary, Laurent Clavier, Emmanuel Boutillon, Alban Goupil, Anne Savard
• Jury : Rapporteur / Rapporteuse : Charly Poulliat, Philippe Mary

Mots clés

Mots clés contrôlés

Codes correcteurs d'erreurs (théorie de l'information)

Effets de l'environnement

Systèmes de communication

Mots clés libres

Théorie de codage

Apprentissage supervisé et non supervisé

Théorie de l'information

Coding theory

Soft channel decoding

Information theory

Résumé

Le nombre croissant des appareils communicants et lacoexistence de réseaux indépen- dants toujours plus abondantsen augmenteront dans le futur la densité et l'hétérogén- éitéavec pour conséquence une accentuation des interférences. Denombreuses études en ont montré leur nature impulsive qui secaractérise par des événements de fortes intensités sur decourtes périodes. Toutefois, ces phénomènes ne sont pascorrectement capturés par un modèle gaussien et nécessiteplutôt le recours à des distributions à queues lourdes. Cesbruits impulsifs ne sont pas l'apanage des réseaux et seretrouvent aussi dans d'autres contextes d'originesnaturelles ou humaines. Les systèmes perdent leur robustesselorsque leur environnement se modifie et lorsqu'ils reposenttrop fortement sur les spécificités de leur modèle. Laplupart des systèmes de communications étant basés sur lemodèle gaussien souffrent de tels problèmes en milieuimpulsif.Plusieurs techniques ont été développées pour limiterl'impact des interférences comme l'alignementd'interférences au niveau de la couche physique ou par destechniques d'évitement de transmissions simultanées comme leCSMA au niveau de la couche MAC. Enfin, d'autres méthodesessaient de les supprimer efficacement au niveau durécepteur à l'instar de l'annulation successivesd'interférences. Toutes ces techniques ne peuventparfaitement annuler toutes les interférences; d'autant plusque nous nous dirigeons vers des réseaux denses comme LoRa,Sigfox, la 5G ou en général l'Internet des objets sanscontrôle centralisé ni d'accès à la ressource radio ni auxpuissances des émissions. Par conséquent, prendre en comptela présence des interférences au niveau du récepteur devientune nécessité, voire une obligation.La robustesse des communications est nécessaire et prendrede bonnes décisions au niveau du récepteur requiertl'évaluation du log rapport de vraisemblance (LLR) quidépend de la distribution du bruit. Le cas du bruit blancgaussien additif est bien connu avec son récepteur linéaireet ses performances bien étudiées. Les non-linéaritésapparaissent avec le bruit impulsif et le LLR devient alorsdifficilement calculable lorsque la distribution de bruitn'est pas parfaitement connue. Malheureusement, dans cettesituation, les récepteurs classiques montrent des pertes deperformances significatives. Nous nous concentrons ici surla conception d'un récepteur adaptatif simple et robuste quiaffiche des performances proches de l'optimum sous bruitgaussien ou non. Ce récepteur aspire à être suffisammentgénérique pour s'adapter automatiquement en situation réel.Nous montrons par nos travaux qu'un simple module entre lasortie du canal et le décodeur de canal permet de combattreefficacement le bruit impulsif et améliore grandement lesperformances globales du système. Ce module approche le LLRpar une fonction adéquate sélectionnée parmi une familleparamétrée qui reflète suffisamment de conditions réelles ducanal allant du cas gaussien au cas sévèrement impulsif.Deux méthodes de sélection sont proposées et étudiées: lapremière utilise une séquence d'apprentissage, la secondeconsiste en un apprentissage non supervisé. Nous montronsque notre solution reste viable même pour des communicationsen paquets courts tout en restant très efficace en terme decoût de calcul. Nos contributions peuvent être amenéesà être appliquées à d'autres domaine que les communicationsnumériques.

Future networks will become more dense and heterogeneous due to the inevitable increase in the number of communicated devices and the coexistence of numerous independent networks. One of the consequences is the significant increase in interference. Many studies have shown the impulsive nature of such an interference that is characterized by the presence of high amplitudes during short time durations. In fact, this undesirable phenomenon cannot be captured by the Gaussian model but more properly by heavy-tailed distributions. Beyond networks, impulsive noises are also found in other contexts. They can be generated naturally or be man-made. Systems lose their robustness when the environment changes, as the design takes too much into account the specificities of the model. The problem is that most of the communication systems implemented are based on the Gaussian assumption.Several techniques have been developed to limit the impact of interference, such as interference alignment at the physical layer or simultaneous transmission avoidance techniques like CSMA at the MAC layer. Finally, other methods try to suppress them effectively at the receiver as the successive interference cancellation (SIC). However, all these techniques cannot completely cancel interference. This is all the more true sincewe are heading towards dense networks such as LoRa, Sigfox, 5G or in general the internet of things (IoT) networks without centralized control or access to theradio resources or emission powers. Therefore, taking into account the presence of interference at the receiver level becomes a necessity, or even an obligation.Robust communication is necessary and making a decision at the receiver requires an evaluation of the log-likelihood ratio (LLR), whose derivation depends on the noise distribution. In the presence of additive white Gaussian noise (AWGN) the performance of digital communication schemes has been widely studied, optimized and simply implemented thanks to the linear-based receiver. In impulsive noise, the LLR is not linear anymore and it is computationally prohibitive or even impossible when the noise distribution is not known. Besides, the traditional linear behaviour of the optimal receiver exhibits a significant performance loss. In this study, we focus on designing a simple, adaptive and robust receiver that exhibits a near-optimal performance over Gaussian and non-Gaussian environments. The receiver must strive for universality by adapting automatically and without assistance in real conditions.We prove in this thesis that a simple module between the channel output and the decoder input allows effectively to combat the noise and interference that disrupt point-to-point (P2P) communications in a network. This module can be used as a front end of any LLR-based decoder and it does not require the knowledge of the noise distribution including both thermal noise and interference. This module consists of a LLR approximation selected in a parametric family of functions, flexible enough to be able to represent many communication contexts (Gaussian or non-Gaussian).Then, the judicious use of an information theory criterion allows to search effectively for the LLR approximation function that matches the channel state. Two different methods are proposed and investigated for this search, either using supervised learning or with an unsupervised approach. We show that it is even possible to use such a scheme for short packet communications with a performance close to the true LLR, which is computationally prohibitive. Overall, we believe that our findings can significantly contribute to many communication scenarios and will be desired in different networks wireless or wired, point to point or dense networks.