Communications sans fil assistées par des surfaces intelligentes reconfigurables

Wireless Communications Assisted by Reconfigurable Intelligent Surfaces

• Auteur / Autrice : Jiang Liu
• Direction : Marco Di Renzo
• Type : Thèse de doctorat
• Discipline(s) : Réseaux, information et communications
• Date : Soutenance le 15/12/2021
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication
• Partenaire(s) de recherche : Laboratoire : Laboratoire des signaux et systèmes (Gif-sur-Yvette, Essonne ; 1974-....)
• Partenaire(s) de recherche : référent : Faculté des sciences d'Orsay
• Partenaire(s) de recherche : graduate school : Université Paris-Saclay. Graduate School Informatique et sciences du numérique (2020-....)
• Jury : Président / Présidente : Jalel Ben Othman
• Jury : Examinateurs / Examinatrices : Yue Xiao, Valeria Loscri, Alessio Zappone, Marwa Chafii
• Jury : Rapporteurs / Rapporteuses : Yue Xiao, Valeria Loscri

Mots clés

Mots clés contrôlés

Surfaces intelligentes

Apprentissage profond

Systèmes à entrées multiples et à sorties multiples

Systèmes de communication sans fil

Mots clés libres

Communications sans fil

Surfaces intelligentes reconfigurables

Modulation spatiale

Apprentissage en profondeur

Déroulement profond

Wireless communications

Reconfigurable intelligent surfaces

Spatial modulation

Deep learning

Deep unfolding

Résumé

Récemment, l'émergence de la surface intelligente reconfigurable (RIS) a attiré l'attention de l'industrie et du monde universitaire. Un RIS est une surface plane qui se compose d'un grand nombre d'éléments réfléchissants passifs à faible coût. En ajustant soigneusement les déphasages des éléments réfléchissants, un RIS peut remodeler l'environnement sans fil pour une meilleure communication. Dans cette thèse, nous nous concentrons sur deux sujets : (i) Étudier la modélisation et l'optimisation des systèmes de communication assistés par RIS. (ii) Étudier la modulation spatiale assistée par RIS, en particulier la détection à l'aide de techniques d'apprentissage en profondeur. Le chapitre 1 présente le concept d'environnements radio intelligents et de SIF. Dans la 5G et les communications futures, le RIS est une technique clé pour obtenir une connectivité transparente et une consommation d'énergie moindre en même temps. Le chapitre 2 présente les systèmes de communication assistés par RIS. Le principe de réflexion, le problème d'estimation de canal et le problème de conception du système sont présentés en détail. Les recherches de pointe sur les problèmes d'estimation de canal et de conception de système sont passées en revue. Le chapitre 3 étudie la distribution du rapport signal sur bruit (SNR) en tant que variable aléatoire dans un système MIMO (entrées multiples et sorties multiples) assisté par RIS. L'évanouissement de Rayleigh et la propagation en visibilité directe sont considérés séparément. La dérivation théorique et la simulation numérique prouvent que le SNR est équivalent en distribution au produit de trois (évanouissement de Rayleigh) ou de deux (propagation en ligne de visée) variables aléatoires indépendantes. Le chapitre 4 étudie le comportement des interférences dans un système MIMO assisté par RIS, où chaque station de base dessert un équipement utilisateur (UE) via un RIS. L'interférence au niveau d'un UE est causée par son RIS non desservant. Il est prouvé que le rapport interférence/bruit est équivalent en distribution au produit d'une variable aléatoire Chi-carré et d'une variable aléatoire qui peut être approchée avec une distribution Gamma. Le chapitre 5 se concentre sur la modulation spatiale assistée par RIS. Tout d'abord, nous introduisons la détection assistée par apprentissage en profondeur pour les systèmes MIMO. Ensuite, en généralisant les systèmes de modulation spatiale assistés par RIS en tant que cas particulier des systèmes de modulation spatiale traditionnels, nous étudions la détection basée sur l'apprentissage en profondeur pour les systèmes de modulation spatiale assistés par RIS. Les résultats numériques valident les schémas de détection d'apprentissage en profondeur basés sur des données et sur des modèles pour les systèmes de modulation spatiale assistés par RIS. Enfin, le chapitre 6 conclut la thèse et discute des pistes de recherche futures possibles.

Recently, the emergence of reconfigurable intelligent surface (RIS) has attracted heated attention from both industry and academia. A RIS is a planar surface that consists of a large number of low-cost passive reflecting elements. By carefully adjusting the phase shifts of the reflecting elements, an RIS can reshape the wireless environment for better communication. In this thesis, we focus on two subjects: (i) To study the modeling and optimization of RIS-aided communication systems. (ii) To study RIS-aided spatial modulation, especially the detection using deep learning techniques. Chapter 1 introduces the concept of smart radio environments and RIS. In 5G and future communications, RIS is a key technique to achieve seamless connectivity and less energy consumption at the same time. Chapter 2 introduces RIS-aided communication systems. The reflection principle, channel estimation problem and system design problem are introduced in detail. State-of-the-art research on the problems of channel estimation and system design are overviewed. Chapter 3 investigates the distribution of the signal-to-noise ratio (SNR) as a random variable in an RIS-aided multiple-input multiple-output (MIMO) system. Rayleigh fading and line-of-sight propagation are considered separately. The theoretical derivation and numerical simulation prove that the SNR is equivalent in distribution to the product of three (Rayleigh fading) or two (line-of-sight propagation) independent random variables. Chapter 4 studies the behavior of interference in an RIS-aided MIMO system, where each base station serves a user equipment (UE) through an RIS. The interference at a UE is caused by its non-serving RIS. It is proven that the interference-to-noise ratio is equivalent in distribution to the product of a Chi-squared random variable and a random variable which can be approximated with a Gamma distribution. Chapter 5 focuses on RIS-aided spatial modulation. First, we introduce deep learning aided detection for MIMO systems. Then, by generalizing RIS-aided spatial modulation systems as a special case of traditional spatial modulation systems, we investigate deep learning based detection for RIS-aided spatial modulation systems. Numerical results validate the proposed data-based and model-based deep learning detection schemes for RIS-aided spatial modulation systems. Finally, Chapter 6 concludes the thesis and discusses possible future research directions.