Conception de Formes d'Onde pour l'Estimation de Canaux Parcimonieux en Délai-Doppler

Waveform Design for Sparse Delay-Doppler Channel Estimation

• Auteur / Autrice : Wissal Benzine
• Direction : Dirk Slock
• Type : Projet de thèse
• Discipline(s) : Sciences de l'ingénieur
• Date : Inscription en doctorat le ; Soutenance le 28/04/2025
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Informatique, télécommunications et électronique de Paris
• Partenaire(s) de recherche : Laboratoire : Institut EURECOM
• Partenaire(s) de recherche : Equipe de recherche : Systèmes de Communication
• Jury : Président / Présidente : Lina Mroueh
• Jury : Examinateurs / Examinatrices : Dirk Slock, Maxime Guillaud, Giuseppe Caire, Didier Le ruyet
• Jury : Rapporteurs / Rapporteuses : Giuseppe Caire, Didier Le ruyet

Mots clés

Mots clés libres

Canaux variant rapidement dans le temps

Transformées temps-fréquence

Communications et détection simultanées

Parcimonie

Prédiction du canal

Estimation du canal

Time-varying channels

Time-frequency transforms

Simultaneous communications and sensing

Sparsity

Channel prediction

Channel estimation

Résumé

Avec l'évolution rapide des technologies de communication sans fil, garantir une transmission de données fiable et efficace dans des scénarios de haute mobilité est devenu un défi crucial. En particulier, une estimation précise du canal est essentielle pour maintenir la qualité de communication dans des environnements caractérisés par des effets Doppler significatifs et des conditions de propagation dynamiques. Cette thèse explore la conception de formes d'onde pour une estimation efficace des canaux parcimonieux en delai-Doppler dans les systèmes de communication sans fil à haute mobilité. Alors que les futurs réseaux sans fil exigent des techniques d'estimation de canal robustes et précises, en particulier en présence de forts décalages Doppler, cette étude se concentre sur les approches sur grille et hors grille pour les canaux linéaires temporellement variables (DS-LTV) à double parcimonie. Dans la première partie, nous étudions l'estimation des canaux DS-LTV sur grille et introduisons trois modèles de parcimonie différents caractérisant les environnements de propagation pratiques. Nous proposons un cadre d'estimation optimisé exploitant le critère de l'erreur quadratique moyenne minimale (MMSE) et les modèles d'expansion de base (BEMs). Grâce à des analyses théoriques et des simulations, nous démontrons que le multiplexage par division de fréquence affine (AFDM) surpasse les formes d'onde traditionnelles telles que le multiplexage par division orthogonale de fréquence (OFDM) et l'espace temps-fréquence orthogonal (OTFS) en termes de réduction de la surcharge des pilotes et d'amélioration de l'exactitude de l'estimation. Dans la seconde partie, nous étendons notre étude à l'estimation des canaux DS-LTV hors grille, en abordant le problème des écarts entre les décalages Doppler réels et les points de grille prédéfinis. En employant de nouvelles techniques d'approximation hors grille basées sur des modèles d'expansion de base élémentaires déplacées multiples, nous améliorons la robustesse de l'estimation et les capacités de prédiction des canaux. Nos résultats confirment l'efficacité de l'AFDM dans le traitement des décalages Doppler hors grille et son potentiel pour des stratégies de transmission adaptatives. Au-delà de l'estimation de canal, nous explorons les implications plus larges de notre recherche pour les applications radar et de détection, démontrant la faisabilité des techniques radar sous-Nyquist qui optimisent les taux d'échantillonnage tout en maintenant la précision de détection. Cette approche interdisciplinaire met en évidence l'impact de notre travail au-delà des systèmes de communication sans fil. Les conclusions tirées de cette recherche fournissent des perspectives précieuses pour le développement des technologies de communication de nouvelle génération. Les travaux futurs pourraient explorer des techniques d'estimation adaptatives tenant compte de la parcimonie, des approches basées sur l'apprentissage automatique et des validations expérimentales en conditions réelles afin de renforcer le déploiement pratique de l'AFDM dans les scénarios de haute mobilité.

With the rapid evolution of wireless communication technologies, ensuring reliable and efficient data transmission in high-mobility scenarios has become a critical challenge. In particular, accurate channel estimation is essential to maintain communication quality in environments characterized by significant Doppler effects and dynamic propagation conditions. This thesis explores the design of waveforms for efficient sparse delay-Doppler channel estimation in high-mobility wireless communication systems. As future wireless networks demand robust and accurate channel estimation techniques, particularly in the presence of high Doppler shifts, the study focuses on both on-grid and off-grid approaches for doubly sparse linear time-varying (DS-LTV) channels. In the first part, we investigate on-grid DS-LTV channel estimation and introduce three different sparsity models that characterize practical propagation environments. We propose an optimized estimation framework leveraging the minimum mean squared error (MMSE) criterion and basis expansion models (BEMs). Through theoretical analysis and simulations, we demonstrate that Affine Frequency Division Multiplexing (AFDM) outperforms traditional waveforms such as Orthogonal Frequency Division Multiplexing (OFDM) and Orthogonal Time Frequency Space (OTFS) in terms of pilot overhead reduction and estimation accuracy. In the second part, we extend our study to off-grid DS-LTV channel estimation, addressing the issue of mismatches between actual Doppler shifts and predefined grid points. By employing novel off-grid approximation techniques based on multiple shifted elementary BEMs, we enhance estimation robustness and improve channel prediction capabilities. Our findings confirm AFDM's efficiency in handling off-grid Doppler shifts and its potential for adaptive transmission strategies. Beyond channel estimation, we explore the broader implications of our research for radar and sensing applications, demonstrating the feasibility of sub-Nyquist radar techniques that optimize sampling rates while maintaining detection accuracy. This interdisciplinary approach highlights the impact of our work beyond wireless communication systems. The conclusions drawn from this research provide valuable insights for the development of next-generation communication technologies. Future work could explore adaptive sparsity-aware estimation techniques, machine learning-based approaches, and real-world experimental validations to further enhance the practical deployment of AFDM in high-mobility scenarios.