Projet de recherche doctoral numero :8860

Date depot: 4 mars 2025
Titre: MIMO system linearization using over-the-air (OTA) observations and computation
Directeur de thèse: Aziz BENLARBI-DELAÏ (GeePs (EDITE))
Encadrant : Siqi WANG (GeePs (EDITE))
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Signal et communications

Resumé: Context: This work is part of the research activities carried out within GeePs Laboratory (UMR CNRS 8507). The work carried out on this theme aims to study the performance of using techniques based on over-the-air (OTA) for the linearization of telecommunication networks. The linearization of an RF power amplifier (PA) in a base station commonly employs a digital pre-distortion (DPD) technique, which needs the characterization of the PA. However, in 5G and beyond telecommunication systems, a massive, phased antenna array is used for beamforming and multi-input multi-output (MIMO), which brings challenges to characterizing the PA and the channel information. Classical methods based on feedback loops using a coupler at each PA’s output become fastidious and impractical in this case. To solve the DPD model identification problem, obtaining the PA characteristics and the channel information using UE through the over-the-air (OTA) method becomes promising. Meanwhile, the OTA computation (also known as AirComp) has also been leveraged for federated learning, which is also referred to as broadband analog aggregation in MIMO systems. This project aims to investigate and develop an innovative approach for the linearization of RF systems by leveraging AirComp within the framework of edge computing. The proposed study intends to understand the potential of utilizing computing resources at multiple user equipment (UE), such as mobile phones, for some preliminary results and transmit these results back to the base station through AirComp for the correct parameters of the DPD. The OTA technique is not only capable of transmitting device output signals for DPD training but also capable of computing with analog aggregation. Using a neural network-based model for DPD can facilitate the learning approach and improve accuracy. Since the spiking neural network (SNN) is considered an energy-saving solution compared with the classical artificial neural networks (ANN), it is preferable to take the SNN as the DPD model. This study focuses on achieving low-latency and adaptive linearization through OTA feedback, enabling efficient and dynamic compensation for nonlinearities in MIMO systems. It will explore the potential of leveraging AirComp to aggregate preliminary results computed at user equipment (UE), such as mobile phones, to mitigate these nonlinearities. Instantaneous OTA adjustments will be employed to enhance system performance and efficiency. The research will begin with mathematical modeling and system analysis, ensuring the accuracy required for identifying DPD models. Experimental validation will be conducted in the laboratory to assess the developed algorithms. As part of their training, the PhD candidate will focus on identifying DPD models using OTA-collected data to adaptively correct nonlinear distortions, contributing to the optimization of wireless communication networks. The findings of this study have the potential to transform MIMO system design by improving energy efficiency, reliability, and overall network performance.

Résumé dans une autre langue: Contexte : Ce travail s'inscrit dans les activités de recherche menées au sein du laboratoire GeePs (UMR CNRS 8507). Il vise à étudier les performances des techniques basées sur l’approche « Over-The-Air » (OTA) pour la linéarisation des réseaux de télécommunications. La linéarisation d’un amplificateur de puissance radiofréquence (PA) dans une station de base repose généralement sur une technique de pré-distorsion numérique (DPD), qui nécessite la caractérisation du PA. Cependant, dans les systèmes de télécommunications 5G et au-delà, l’utilisation de réseaux massifs d’antennes pour la formation des voies, pose des défis pour la caractérisation du PA et l’acquisition des informations du canal. Les méthodes classiques basées sur des boucles de rétroaction avec des coupleurs à la sortie de chaque PA deviennent fastidieuses et impraticables dans ce contexte. Pour résoudre le problème d’identification du modèle DPD, l’obtention des caractéristiques du PA et des informations de canal via l’OTA à l’aide de l’équipement utilisateur (UE) apparaît comme une solution prometteuse. Par ailleurs, le calcul OTA (également appelé AirComp) a également été exploité pour l’apprentissage fédéré, une approche aussi connue sous le nom d’agrégation analogique large bande dans les systèmes MIMO. Ce projet vise à explorer et à développer une approche innovante pour la linéarisation des systèmes RF en tirant parti d’AirComp dans le cadre du edge computing. L’étude proposée cherche à évaluer le potentiel de l’exploitation des ressources de calcul des équipements utilisateurs (UE), tels que les téléphones mobiles, afin d’obtenir des résultats préliminaires et de les transmettre à la station de base via AirComp pour l’optimisation des paramètres du DPD. La technique OTA ne permet pas seulement de transmettre les signaux de sortie des dispositifs pour l’entraînement du DPD, mais aussi d’effectuer des calculs grâce à l’agrégation analogique. L’utilisation d’un modèle basé sur un réseau de neurones pour le DPD peut faciliter l’apprentissage et améliorer la précision. Étant donné que les réseaux de neurones impulsionnels (SNN) sont considérés comme une solution économe en énergie par rapport aux réseaux de neurones artificiels classiques (ANN), ils sont préférés pour le modèle DPD. Cette étude se concentre sur la réalisation d’une linéarisation adaptative et à faible latence grâce à une rétroaction OTA, permettant une compensation efficace et dynamique des non-linéarités dans les systèmes MIMO. Elle explorera le potentiel d’AirComp pour agréger les résultats préliminaires calculés sur les équipements utilisateurs (UE), tels que les téléphones mobiles, afin d’atténuer ces non-linéarités. Des ajustements OTA instantanés seront appliqués pour améliorer la performance et l’efficacité du système. Les recherches débuteront par la modélisation mathématique et l’analyse du système afin de définir la précision nécessaire à l’identification des modèles DPD. Une validation expérimentale sera réalisée en laboratoire pour évaluer les algorithmes développés. Dans le cadre de sa thèse, le doctorant se concentrera sur l’identification des modèles DPD en utilisant des données collectées via OTA afin de corriger de manière adaptative les distorsions non linéaires, contribuant ainsi à l’optimisation des réseaux de communication sans fil. Les résultats de cette étude ont le potentiel de transformer la conception des systèmes MIMO en améliorant l’efficacité énergétique, la fiabilité et la performance globale du réseau.