Détection multiutilisateurs pour les applications MMTC en mode NOMA grant free // Blind multiuser detection for MMTC based on NOMA grant free transmission scheme

Le sujet proposé s'insère dans un projet BPI France nommé Flexogreen dont le porteur est le CRT (Centre de Recherche et de Transfert) CISTEM. Il est également en lien étroit avec la thématique agilité reconfigurabilité du conseil scientifique d'Xlim. Il s'agit ici du contexte du déploiement massif des réseaux de capteurs dans le contexte de transmission MMTC en mode PDMA (Power Domain Multiple Access) NOMA grant free (Non Orthogonal Multiple Access). Le mode grant free suppose que la station de collecte ne connaît pas à priori les utilisateurs présents on parle ici de détection de la user activity. Ceci est nécessaire car les capteurs ont une faible capacité de transmission et le trafic de signalisation serait plus important que la quantité d'information à transmettre. Il faut donc, en mode grant free, deviner quels sont les utilisateurs présents et, en utilisant la connaissance des canaux de propagation, démoduler les signaux à la station de collecte. Cette opération est rendue encore plus compliquée ici par le fait qu'en mode NOMA on peut superposer plusieurs utilisateurs sur une même bande de fréquence. Nous avons déjà obtenu certains résultats avec ces contraintes en utilisant des techniques de compressive sensing en faisant l'hypothèse qu'un grand nombre de capteurs sont inactifs à un instant donné. Cette hypothèse de sparsité est fondamentale pour pouvoir utiliser de façon efficace les techniques de compressive sensing. Cependant nous avons toujours supposé jusqu'à maintenant que les canaux étaient parfaitement estimés et il faut maintenant envisager le cas de l'estimation des canaux et de la détection conjointe des signaux en mode grant free. Il faudra également veiller à allouer les ressources de façon efficace de manière à ce que le récepteur multiutilisateurs de type SIC (Serial Interference Canceller) puisse opérer dans de bonnes conditions. Le but final est d'arriver à une architecture de détecteur multiutilisateurs aveugle en mode grant free qui puisse conduire à une implémentation circuit.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

The topic of this PhD concerns the detection of massive machine type communication devices transmitting in grant free mode with NOMA PDMA (Non Orthogonal Multiple Access Power Domain Multiple Access) protocols. The grant free mode is due to the poor ressource capabilities of the wireless sensors which prevents them to use hand-shake protocol to obtain first some ressources to initiate their transmissions. However, the consequence of the use of the grant free mode is that the gateway station doesn't know the identity of the transmiiting sensors and it has to guess them. This a particular difficult task in NOMA PDMA since different UE's (User Equipments) can be superimposed on a given subcarrier. Compressive sensing algorithms have been used in the open literature to solve this issue, using the fact that at a given instant only a small fraction of sensors are transmitting data (typically less than 10%). However it is assumed that the channels are perfectly estimated. In this PhD study we will have to consider channel estimation algorithms together with blind multiuser detection using compressive sensing. We will use A.I. based estimation techniques to obtain good channel estimates and we will eventually obtain a multiuser detector architecture that can be implemented on target platforms.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2025

Contrat doctoral

Concours pour un contrat doctoral

Université de Limoges

653 Sciences et Ingénierie

Bonnes compétences en communications numériques, programmation avec si possible de solides bases en techniques d'I.A.
Good skills in digital communications and A.I. tools knowledge