Au cours des dernières décennies, l’un des objectifs des nouveaux systèmes de communication véhiculaires a été d’augmenter la capacité en termes de débit et de nombre d’utilisateurs. Cette augmentation significative a également entraîné une explosion du nombre d’objets connectés, nécessitant une qualité de service (QoS) adaptée. Dans ce contexte, le développement de la 6G vise à proposer un réseau flexible, dynamique et résilient, tout en offrant une bonne efficacité spectrale et énergétique.

Dans le cadre de ce poste, nous nous intéressons à l’apport des techniques d’Intelligence Artificielle, notamment du Deep Learning, dans le contexte de la communication V2X afin de permettre, d’une part, la détection et la classification des formes d’onde dans un environnement de propagation pour une utilisation dynamique, résiliente face aux perturbations du canal de propagation ainsi qu’aux utilisateurs primaires et secondaires. D’autre part, ces techniques d’IA permettront une attribution des ressources spectrales en fonction de la qualité de service exigée par l’application, du nombre d’utilisateurs et de l’environnement de propagation. Elles permettront également d’optimiser la couche physique en termes de consommation énergétique, en se basant sur la connaissance à priori de l’environnement de propagation.

Compétences requises :

Master 2 ou ingénieur : en télécommunications, traitement du signal, communication véhiculaire ou domaine connexe.

Contact : fouzia.boukour@univ-eiffel.fr

.