Multi-antenna methods for scalable beyond-5G access networks - TEL - Thèses en ligne Access content directly
Theses Year : 2021

Multi-antenna methods for scalable beyond-5G access networks

Techniques d'antennes multiples pour les réseaux d'accès radio à haute densité en après-5G

Placido Mursia

Abstract

The exponential increase of wireless user equipments (UEs) and network services associated with current 5G deployments poses several unprecedented design challenges that need to be addressed with the advent of future beyond-5G networks and novel signal processing and transmission schemes. In this regard, massive MIMO is a well-established access technology, which allows to serve many tens of UEs using the same time-frequency resources. However, massive MIMO exhibits scalability issues in massive access scenarios where the UE population is composed of a large number of heterogeneous devices. In this thesis, we propose novel scalable multiple antenna methods for performance enhancement in several scenarios of interest. Specifically, we describe the fundamental role played by statistical channel state information (CSI) that can be leveraged for reduction of both complexity and overhead for CSI acquisition, and for multiuser interference suppression. Moreover, we exploit device-to-device communications to overcome the fundamental bottleneck of conventional multicasting. Lastly, in the context of millimiter wave communications, we explore the benefits of the recently proposed reconfigurable intelligent surfaces (RISs). Thanks to their inherently passive structure, RISs allow to control the propagation environment and effectively counteract propagation losses and substantially increase the network performance.
L’augmentation exponentielle des équipements d’utilisateurs sans fil (UEs) et des services des réseaux associés aux déploiements actuels de cinquième génération (5G) pose plusieurs défis de conception sans précédent qui doivent être résolus avec l’avènement des futurs réseaux au-delà de la 5G. Plus précisément, la demande croissante de débits de données élevés ainsi que la nécessité de desservir un grand nombre d’appareils hétérogènes, allant des téléphones mobiles classiques aux objets connectés formant l’internet des objets (IoT), motivent l’étude de nouveaux schémas de traitement et de transmission du signal. À cet égard, les sorties multiples massives à entrées multiples (massive MIMO) sont une technologie d’accès bien établie, qui permet de desservir plusieurs dizaines d’UEs en utilisant lesmêmes ressources temps-fréquence au moyen de techniques de formation de faisceau hautement directionnelles. Cependant, le massive MIMO présente des problèmes d’évolutivité dans les scénarios accès massif où la population UE est composée d’un grand nombre de périphériques hétérogènes. En effet, si la disponibilité d’un grand nombre d’antennes dans les émetteurs-récepteurs massive MIMO apporte des gains de performances substantiels, elle augmente également considérablement la surcharge et la complexité du système. Plus précisément, la dimensionnalité élevée des canaux nécessite l’allocation de ressources temps-fréquence considérables pour acquérir les informations d’état de canal (CSI) et se traduit par de grandes opérations matricielles pour construire des précodeurs/décodeurs. De plus, dans le contexte de communications de multidiffusion comme, par exemple, la mise en cache périphérique sans fil ou la diffusion de messages critiques pour la mission, les techniques d’antennes multiples conventionnelles présentent des taux de disparition lorsque le nombre d’UEs augmente même dans le régime d’antenne massif. Enfin, le grand nombre de chaînes de radiofréquences (RF) associées aux émetteurs-récepteurs massive MIMO, qui sont utilisés pour contrer les pertes de propagation dans des environnements difficiles tels que, par exemple, à des fréquences d’ondes millimétriques (mmWave), se heurte au budget de puissance limité des appareils IoT. Dans cette thèse, nous proposons de nouvelles méthodes à antennes multiples évolutives pour l’amélioration des performances dans les scénarios d’intérêt susmentionnés. Plus précisément, nous décrivons le rôle fondamental joué par le CSI statistique qui peut être mis à profit pour réduire à la fois la complexité et la surcharge pour l’acquisition de CSI et pour la suppression des interférences multi-utilisateurs. En effet, lorsque les UEs sont équipés au moins de duex antennes, leurs propriétés de sélectivité spatiale peuvent être exploitées pour imposer une orthogonalité statistique parmi les transmissions interférentes. De plus, nous exploitons les communications de périphérique à périphérique (D2D) pour surmonter le goulot d’étranglement fondamental de la multidiffusion conventionnelle. En particulier, nous exploitons les capacités de précodage d’un émetteur multi-antennes pour sélectionner soigneusement les UEs dans des conditions de canal favorables, qui à leur tour agissent comme des relais opportunistes et retransmettent le message via les liaisons D2D. Enfin, dans le cadre des communications mmWave, nous explorons les avantages des surfaces intelligentes reconfigurables (RISs) récemment proposées, qui sont un catalyseur clé de l’innovation grâce à leur structure intrinsèquement passive qui permet de contrôler l’environnement de propagation et de contrer efficacement les pertes de propagation. En particulier, nous utilisons la formation de faisceaux passive au niveau du RIS, c’est-à-dire sans aucune dépense d’énergie significative, ainsi que la formation de faisceaux active conventionnelle au niveau de l’émetteur pour augmenter considérablement les performances du réseau.
Fichier principal
Vignette du fichier
MURSIA_Placido_2021_v2.pdf (6.69 Mo) Télécharger le fichier
Origin : Version validated by the jury (STAR)

Dates and versions

tel-03783487 , version 1 (22-09-2022)

Identifiers

  • HAL Id : tel-03783487 , version 1

Cite

Placido Mursia. Multi-antenna methods for scalable beyond-5G access networks. Multiagent Systems [cs.MA]. Sorbonne Université, 2021. English. ⟨NNT : 2021SORUS532⟩. ⟨tel-03783487⟩
59 View
49 Download

Share

Gmail Facebook X LinkedIn More