Description
Date depot: 27 juin 2019
Titre: Méthodes d’optimisation stochastique pour les systèmes Massive-MIMO multicellulaires et multi-utilisateurs
Directeur de thèse:
Dirk SLOCK (Eurecom)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Non defini
Resumé:
Pour cette thèse, nous voulons étudier particulièrement la formation de voie (beamforming) multicouches qui permet d’obtenir un débit global du réseau quasiment optimal en exploitant les sous-espaces de covariance et tout en s’adaptant plus facilement à l’évolution d’environnement. L’exploitation des sous-espaces d’utilisateur permet non seulement de diminuer la complexité, elle peut être aussi envisagée pour le mode FDD, qui est déployé exclusivement en France, car l’estimation du canal, le point bloquant du mode FDD pour Massive-MIMO Beamforming, sera largement simplifiée.
L'objectif de la thèse est d'étudier et de proposer des solutions de la formation de voie (beamforming) en multicouche en utilisant des outils mathématiques disponibles dans les domaines de systèmes dynamiques et optimisation stochastique. La thèse se focalisera sur
• la compréhension de l’optimisation stochastique (centralisée ou distribuée), sa modélisation mathématique, la caractérisation des conditions de convergence et des performance atteignables
• la conception de la formation de voie (beamformer) multicouche pour MU massive MIMO multicellulaire via la technique de l’alignement des interférences inter-cellulaires et l’identification des sous-espaces d’utilisateur
• l’adaptation autonome (tracking) des beamformers à l’évolution de l’environnement.
• l’application des techniques de grandes matrices aléatoires et de géométrie stochastique pour simplifier la conception des systèmes et/ou en analyser les performances.
Doctorant.e: Ghamnia Imene