Apprentissage machine pour les systèmes MIMO massif distribué

Machine Learning for distributed massive MIMO

• Auteur / Autrice : Thomas Chêne
• Direction : Ghaya Rekaya ben othman
• Type : Projet de thèse
• Discipline(s) : Information, communications, électronique
• Date : Inscription en doctorat le 10/01/2022
• Etablissement(s) : Institut polytechnique de Paris
• Ecole(s) doctorale(s) : École doctorale de l'Institut polytechnique de Paris
• Partenaire(s) de recherche : Laboratoire : Laboratoire de Traitement et Communication de l'Information
• Partenaire(s) de recherche : Equipe de recherche : ComNum : Communications Numériques

Mots clés

Mots clés libres

Massive MIMO

Machine Learning

Distributed MIMO

Résumé

Les systèmes MIMO ont été développés pour augmenter la capacité de transmission des communications et la fiabilité des liaisons. Les réseaux 5G et au-delà utiliseront des réseaux MIMO denses avec de petites antennes permettant de concentrer le faisceau sur une direction donnée. Couplée à des bandes de haute fréquence, l'utilisation de ces antennes augmentera fortement le débit du réseau. Le C-RAN a été considéré comme un modèle utile pour faire face à l'ICI dominant, en permettant le précodage conjoint pour les liaisons descendantes et le décodage conjoint pour les liaisons montantes. Pour répondre aux problèmes ouverts des systèmes MIMO massifs distribués en liaison montante et descendante, nous proposons de recourir à des outils d'apprentissage machine.

MIMO systems were developed to increase communication transmission capacity and link relia- bility. 5G networks and beyond will use dense MIMO networks with small antennas allowing the beam to be focused on a given direction. Coupled with high-frequency bands, the use of these antennas will highly increase network throughput. C-RAN has been seen as a useful model to cope with the dominant ICI, by enabling the joint precoding in the downlink transmission and the joint decoding in the uplink reception at the CP side, which is a distributed Massive MIMO systems. To answer the open and challenging problems in uplink and downlink Distributed Massive MIMO systems, we propose to resort to machine learning tools.