Advanced wireless channel identification and parameter estimation techniques for 5G-and-beyond radio interface technologies.

Ben Amor, Souheib (2020). Advanced wireless channel identification and parameter estimation techniques for 5G-and-beyond radio interface technologies. Thèse. Québec, Doctorat en télécommunications, Université du Québec, Institut national de la recherche scientifique, 194 p.

Prévisualisation

PDF Télécharger (3MB) | Prévisualisation

Résumé

Dans cette thèse, nous nous intéressons au développement de nouvelles techniques d’identification des canaux sans fil et d’estimation des paramètres du canal pour les technologies d’interface radio 5G et au-delà. Les propriétés physiques des canaux sans fil peuvent avoir des effets indésirables vu que les signaux transmis subissent toujours plusieurs réflexions, diffractions, etc. Ces derniers se traduisent par exemple par la présence de copies multiples du même signal avec des atténuations, des distorsions, des retards et des déphasages différents du côté du récepteur. Dans un tel scénario, les interférences entre ces copies peuvent conduire à une combinaison destructrice au niveau du récepteur rendant une communication fiable impossible. Par conséquent, il est essentiel que le récepteur connaisse les paramètres caractérisant le canal sans fil via des techniques d’estimation pour pouvoir détecter le signal transmis. Plus précisément, nous proposons des solutions d’estimation conjointe de plusieurs paramètres offrant ainsi de meilleures performances. En premier lieu, on s’intéresse à l’estimation conjointe du délai de propagation et de la direction d’arrivée (DdA) qui sont principalement utilisés à des fins de localisation. Ensuite, nous abordons l’estimation conjointe des décalages temporels et fréquentiels pour assurer la synchronisation dans les réseaux coopératifs. Enfin, les coefficients du canal et la variance du bruit sont utilisés pour acquérir une estimation précise du rapport signal à bruit (RSB). Les techniques développées doivent bien fonctionner selon les scénarios variés tel qu’un environnement à faible RSB ou des utilisateurs à mobilité élevée. Pour garantir des performances élevées, les techniques proposées reposent sur l’approche du maximum de vraisemblance (MV) et qui ont été adaptées en fonction des scénarios pour assurer une complexité de calcul raisonnable. Comme le montrent les résultats des simulations, les solutions proposées fonctionnent mieux que les benchmarks en termes de précision au niveau des composants et rapportent un meilleur débit au niveau lien.

In this thesis, we are interested in the development of new wireless channel identification and parameter estimation techniques for 5G-and-beyond radio interface technologies. Since the physical properties of wireless channels may have undesirable effects as the transmitted signals always undergo multiple reflections, diffraction etc. The latter result for example in the presence of multiple copies of the same signal with different attenuation, distortion, delays, and phase shift at the receiver side. In such scenario, the interference between these copies may lead to a destructive combination at the receiver making it impossible to ensure a reliable communication. Hence, it is crucial for the receiver to be aware of the parameters charactering the wireless channel via estimation techniques to be able to detect the transmitted signal. More specifically, we provide solutions for joint estimation of several parameters, thereby offering better performance. The channel parameters investigated in this thesis can be categorized into three categories: the joint propagation delay and direction of arrival (DoA) estimation which are mainly used for localization purposes. Next, we have the joint estimation of the timing and frequency offsets which are required for the synchronization in cooperative networks. We also investigate the channel coefficient and the noise variance to acquire an accurate estimate of the signal-to-noise (SNR) ratio. The developed technique should perform well in various scenarios such as low SNR environments or high mobility users. To ensure high performance, the proposed techniques rely on maximum likelihood (ML) approach. The developed techniques are adapted depending on the scenarios to ensure a reasonable computational complexity. As shown in simulation results, the proposed solutions perform better than the benchmarks in terms component level accuracy and link-level throughput. Finally, we provide a summary of other contributions achieved during the PhD program including the participation in the evaluation process of IMT-2020.

Type de document:	Thèse Thèse
Directeur de mémoire/thèse:	Affes, Sofiène
Co-directeurs de mémoire/thèse:	Bellili, Faouzi
Mots-clés libres:	modules sensoriels`; estimation des paramètres du canal; estimation assistée par les données; estimation autodidacte; localisation; synchronisation; probabilité maximale; débit au niveau lien; OFDM; sensory modules; channel parameter estimation; data-aided; non-data-aided; localization; synchronization; maximum likelihood; link-level throughput; IMT-2020; WP 5D
Centre:	Centre Énergie Matériaux Télécommunications
Date de dépôt:	21 avr. 2021 14:47
Dernière modification:	29 sept. 2021 17:47
URI:	https://espace.inrs.ca/id/eprint/11368

Gestion Actions (Identification requise)

Modifier la notice