Étude de l’Estimation du canal pour les systèmes 5G-MmWave massives MIMO avec des techniques de pré-codage hybride à base d’intelligence artificielle

Abstract

Le besoin croissant d'une connectivité mobile à haut débit, offrant des débits de données plus élevés, une fiabilité accrue et une consommation d'énergie réduite, a conduit à l'émergence d'une nouvelle génération de communications mobiles, connue sous le nom de 5G. Cette technologie repose sur le principe du Massive MIMO (Multiple-Input Multiple-Output), qui est une forme de système multi-antennes et multi-utilisateurs. Les stations de base sont équipées d'un grand nombre d'antennes, ce qui permet une transmission simultanée grâce à la diversité spatiale. Ce mémoire se concentre sur l'étude de l'estimation du canal dans les systèmes 5G-MmWave massives MIMO (Multiple-Input Multiple-Output) en utilisant des techniques de pré-codage hybride basées sur l'intelligence Artificielle. La technologie 5G-MmWave utilise un grand nombre d'antennes pour permettre une transmission simultanée de données sur plusieurs canaux, améliorant ainsi la connectivité et les performances du réseau, en particulier dans les zones densément peuplées. L'estimation précise du canal est cruciale pour optimiser la qualité de la communication. Dans ce mémoire, nous proposons d'utiliser des techniques de pré-codage hybride basées sur l'intelligence artificielle, telles que les réseaux de neurones profonds, pour améliorer l'estimation du canal. Nous évaluons l'efficacité de ces techniques en termes de précision de l'estimation du canal et de performance globale du système 5G-MmWave massive MIMO. Les résultats de notre étude démontrent le potentiel de l'intelligence artificielle pour améliorer l'estimation du canal dans les systèmes 5G-MmWave, ouvrant ainsi de nouvelles perspectives pour des communications sans fil plus efficaces et performantes.