Vous êtes ici : Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

10 octobre 2023

PhD position at INSA Rennes - Massive cell-free MIMO and reconfigurable intelligent surfaces for 6G and beyond networks: learning-based optimization approaches.


Catégorie : Doctorant


The PhD thesis will take place at INSA Rennes, IETR Laboratory. It is fully funded and is expected to start in Autumn 2023 or early 2024.

 

Title / Titre

Massive cell-free MIMO and reconfigurable intelligent surfaces for 6G and beyond networks: learning-based optimization approaches

Cell-free MIMO massif et surfaces intelligentes reconfigurables pour la 6G et plus : approches d’optimisation par apprentissage

 

Context / Contexte

At the dawn of 6G wireless networks, a number of challenges need to be met. Very high data rates are required to serve a very large number of wireless devices offering different services (such as video telephony and the Internet of Things). Low-latency and ultra-reliable communications are also essential. In addition, there is a growing demand for green communications to limit the ecological impact of mobile radio networks. Consequently, high energy efficiency is also of crucial importance at a time when communications are poised to account for up to 14% of global CO2 emissions by 2040.

In this dynamic and complex network ecosystem, revolutionary technologies are essential to effectively meet the diverse requirements imposed by technical, environmental and societal concerns. To this end, researchers advocate three factors enabling more efficient and greener communications: (i) massive distributed antenna systems, also known as cell-free massive MIMO networks (CF-mMIMO), (ii) reconfigurable intelligent surfaces (IRS or RIS) and (iii) signal processing solutions assisted by artificial intelligence (AI).

CF-mMIMO technology, which guarantees a gain in macro-diversity and offers uniformly good spectral efficiency (SE) over the coverage area, avoids intercell interference, a limiting factor in today's cellular networks. This represents a considerable paradigm shift from conventional cellular systems, overcoming the limitations of existing networks and meeting the challenges of future generations of wireless communications (B5G and 6G). RIS-assisted CF-mMIMO is a very promising solution for improving link quality for better SE. On the other hand, AI tools are capable of building efficient solutions based on signal processing, overcoming the problems associated with high complexity and latency.

À l'aube du déploiement des réseaux sans fil 6G, plusieurs défis doivent être relevés. Des débits de données très élevés sont demandés pour servir un très grand nombre d’équipements sans fil offrant différents services (comme la visiophonie et l'internet des objets). Les communications à faible latence et ultra-fiables sont également essentielles. En outre, il existe une demande croissante pour les communications vertes afin de limiter l'impact écologique des réseaux radio-mobiles. Par conséquent, une efficacité énergétique élevée est également d'une importance cruciale à une époque où les communications sont sur le point d'atteindre jusqu'à 14 % des émissions mondiales de CO2 d'ici 2040.

Dans cet écosystème de réseau dynamique et complexe, les technologies révolutionnaires sont primordiales pour répondre efficacement aux diverses exigences imposées par les préoccupations techniques, environnementales et sociétales. À cette fin, les chercheurs préconisent trois facteurs permettant des communications plus efficaces et plus écologiques : (i) les systèmes d'antennes distribuées massifs, également appelés réseaux cell-free massifs (CF-mMIMO), (ii) les surfaces intelligentes reconfigurables (IRS ou RIS) et (iii) les solutions de traitement du signal assistées par l'intelligence artificielle (IA).

La technologie CF-mMIMO, qui garantit un gain de macro-diversité et offre une efficacité spectrale (SE) uniformément bonne sur la zone de couverture, évite les interférences intercellulaires, un facteur limitant les réseaux cellulaires actuels. Il s'agit d'un changement de paradigme considérable, par rapport au système cellulaire classique, et qui permet de surmonter les limites des réseaux existants et de relever les défis des futures générations de communications sans fil (B5G et 6G). Le CF-mMIMO assisté par les RIS est une solution très prometteuse, en vue d'améliorer la qualité de la liaison pour une meilleure SE. D'autre part, les outils d'IA sont capables de construire des solutions efficaces basées sur le traitement du signal, en surmontant les problèmes liés à la complexité et à la latence élevées.

 

Objectives / Objectifs

The aim of this thesis work is to propose new techniques for optimizing B5G and 6G communications to enable power- and spectrum-efficient mass access. Adequate interference management is essential to achieve this goal. To this end, efficient resource allocation will be targeted with user clustering, access point (AP) selection/collaboration and non-orthogonal multiple access to spectrum (NOMA). These different points of study will be considered in this thesis in order to address heterogeneous QoS requirements such as in IoT systems in the uplink or in the case of mobile users with different latency requirements in the downlink.

Several other key techniques will be explored in this work. Firstly, the joint optimization of MIMO precoding and link quality through the use of RIS will be considered. Another interesting avenue, little explored in this context, will be the exploitation of Inband Backhauling transmissions, in which transmissions on the Backhaul links (connecting APs to the network core) will be on the same spectral bands as those on the Access links (between APs and users). The aim of this reuse is to maximize the overall SE of the systems, provided that the interference generated is properly managed.

Le but de ce travail de thèse est de proposer de nouvelles techniques d’optimisation des communications B5G et 6G pour permettre de réaliser un accès massif efficace en termes d’efficacité énergétique et spectrale. Une gestion adéquate des interférences est essentielle pour atteindre ce but. Pour cela, l'allocation efficace des ressources sera ciblée avec le regroupement d'utilisateurs, la sélection/collaboration des points d’accès (APs) et l'accès multiple non orthogonal au spectre (NOMA). Ces différents points d’études seront considérés dans cette thèse de façon à répondre à des exigences de qualité de service hétérogènes tels que dans les systèmes IoT en voie montante ou dans le cas d’utilisateurs mobiles ayant des exigences de latence différentes en voie descendante.

Plusieurs autres techniques clés seront explorées dans ce travail. Tout d’abord, l’optimisation conjointe du précodage MIMO et de la qualité des liaisons par l'utilisation des RIS sera considérée. Une autre piste intéressante et qui a été peu explorée dans ce contexte sera l’exploitation des transmissions de type Inband Backhauling dans lesquelles les transmissions sur les liaisons du Backhaul (reliant les APs au cœur du réseau) se feront sur les mêmes bandes spectrales que celles des liens d’accès (entre APs et utilisateurs). Le but de cette réutilisation est de maximiser la SE globale des systèmes, sous condition d’une gestion adéquate des interférences générées.

 

Methodology/ Approche méthodologique

The candidate will start with a state-of-the-art review of resource allocation techniques in the context of cell-free networks and RIS. He/she will then work on implementing new strategies for managing spectral, spatial and energy resources.

Particular effort will be devoted to identifying the best cell-free network configurations (centralized, distributed, hybrid) for each study context (dense network, heterogeneous QoS requirements, uplink/downlink, etc.).

Joint resource optimization methods with RIS parameterization will then be developed for the various contexts mentioned above. To this end, several strategies will be explored for solving complex joint problems, including: alternating optimization methods, greedy algorithms, neural artificial intelligence techniques and reinforcement learning methods. The use of AI in this context aims to reduce the computational load required by conventional optimization methods to take account of rapidly changing communication conditions (sporadic transmissions, high terminal mobility, etc.).

Dans un premier temps, le(la) candidat(e) commencera par une étude bibliographique des techniques d’allocation des ressources dans le contexte des réseaux cell-free et des RIS. Il(elle) travaillera ensuite à la mise en place de nouvelles stratégies de gestion des ressources spectrales, spatiales et énergétiques.

Un effort particulier sera consacré à l’identification des meilleures configurations des réseaux cell-free (centralisées, distribuées, hybrides) pour chaque contexte d’études (réseau dense, exigences de qualité de service hétérogènes, voie montante/descendante, etc.).

Des méthodes conjointes d’optimisation des ressources avec la paramétrisation des RIS seront ensuite développées pour les différents contextes susmentionnés. Dans ce but, plusieurs stratégies seront explorées pour la résolution des problèmes conjoints complexes, notamment : les méthodes d’optimisation alternée, les algorithmes gloutons, les techniques d’intelligence artificielle neuronales et les méthodes d’apprentissage par renforcement. L’utilisation de l’IA dans ce cadre vise à réduire la charge calculatoire que nécessitent les méthodes de résolution classiques pour prendre en compte l’évolution rapide des conditions de communication (transmissions sporadiques, forte mobilité des terminaux, etc.).

 

Keywords / Mots-clés

Cell-free massive MIMO networks, reconfigurable intelligent surfaces, non orthogonal multiple access, resource allocation, optimization, machine learning.

Réseaux cell-free MIMO massifs, surfaces intelligentes reconfigurables, accès non orthogonal au spectre, allocation des ressources, optimisation, machine learning.

 

References/Bibliographie

[1]N. T. Nguyen, V. -D. Nguyen, H. V. Nguyen, H. Q. Ngo, S. Chatzinotas and M. Juntti, "Spectral Efficiency Analysis of Hybrid Relay-Reflecting Intelligent Surface-Assisted Cell-Free Massive MIMO Systems," in IEEE Transactions on Wireless Communications, vol. 22, no. 5, pp. 3397-3416, May 2023.

[2]J. Farah, E. P. Simon, P. Laly and G. Delbarre, "Efficient Combinations of NOMA With Distributed Antenna Systems Based on Channel Measurements for Mitigating Jamming Attacks," in IEEE Systems Journal, vol. 15, no. 2, pp. 2212-2221, June 2021.

[3]O. T. Demir, E. Bj ̈ornson, and L. Sanguinetti, “Foundations of User-Centric Cell-Free Massive MIMO,” Foundations and Trends® in Signal Processing, vol. 14, no. 3-4, pp. 162–472, 2021.

[4]T. K. Nguyen, H. Nguyen and H. D. Tuan, "Max-Min QoS Power Control in Generalized Cell-Free Massive MIMO-NOMA With Optimal Backhaul Combining," in IEEE Transactions on Vehicular Technology, vol. 69, no. 10, pp. 10949-10964, Oct. 2020.

[5]X. Chen et al. "User pairing and pair scheduling in massive MIMO-NOMA systems", IEEE Communications Letters, vol.22 no.4, pp. 788-791, 2017.

[6]C. A. Schmidt, J. F. Schmidt, J. L. Figueroa and M. Crussière, "Achievable Energy Efficiency in Massive MIMO: Impact of DAC Resolution and PAPR Reduction for Practical Network Topologies at mm-Waves," in IEEE Communications Letters, vol. 26, no. 11, pp. 2784-2788, Nov. 2022.

 

Candidate profile/ Profile souhaité

Engineering degree and/or Master's degree (specialty: Telecommunications) with knowledge in: Digital communications, Mobile networks, Signal processing, Machine learning, Matlab programming, Python.

Diplôme d'ingénieur et/ou Master (spécialité : Télécommunications) avec des connaissances en : Communications numériques, Réseaux mobiles, Traitement du signal, Machine learning, Programmation Matlab, Python.

 

Location and starting date of the thesis / Lieu et démarrage de la thèse

The thesis will take place in the IETR laboratory, INSA, Campus of Beaulieu, Rennes.

It is expected to start in Autumn 2023 or early 2024.

La thèse aura lieu au sein du laboratoire IETR, composante INSA, Campus de Beaulieu, Rennes.

Le démarrage de la thèse est prévu en automne 2023 ou début 2024.

 

To apply/ Pour candidater

Please send a CV, motivation letter, copies of all academic records and grades (preferably with rankings), and (optionally) a letter of recommendation to:

Joumana Farah:joumana.farah@insa-rennes.fr

Matthieu Crussière:Matthieu.Crussiere@insa-rennes.fr

Only complete applications will be considered.

All documents must be in either French or English.

 

Prière d’adresser un CV, une lettre de motivation, une copie de toutes les notes universitaires (de préférence avec classement), et (optionnellement) une lettre de recommandation à :

Joumana Farah : joumana.farah@insa-rennes.fr

Matthieu Crussière :Matthieu.Crussiere@insa-rennes.fr

Seuls les dossiers complets seront considérés.

Tous les documents doivent être en Français ou en Anglais.

 

Dans cette rubrique

(c) GdR IASIS - CNRS - 2024.