Modélisation et optimisation avancées des réseaux cellulaires pour les véhicules aériens sans pilote

Les drones télépilotés, un unmanned aerial vehicles (UAVs), ont acquis une importance croissante ces dernières années, impactant diverses applications comme la surveillance, l'agriculture de précision et la livraison de colis. Bien que l'intérêt pour les UAVs en environnements urbains augmente, leur utilisation dans les zones peuplées pose des défis. Les aerial highways (AHs) émergent comme une solution prometteuse pour une gestion optimale du trafic des UAVs et des opérations urbaines sécurisées. Similaires aux autoroutes terrestres, les AHs sont des voies prédéfinies dans le ciel que les UAVs doivent suivre dans l'espace aérien urbain. Les réseaux cellulaires sont essentiels pour une connectivité omniprésente des UAVs, qui bénéficient de gains de canal favorables en raison du line of sight (LoS) typique dans l'espace 3D. Cependant, bien que les UAVs reçoivent des puissances de signal suffisantes (RSRPs) de plusieurs cellules, cela engendre des interférences élevées et une qualité de signal réduite. De plus, la forte corrélation de canal due au LoS et à la proximité des UAVs le long des AHs pose des défis pour l'adoption des systèmes massive multiple-input multiple-output (mMIMO). Dans cette thèse, nous étudions comment les informations préalables des AHs peuvent être exploitées par les opérateurs pour optimiser les réseaux cellulaires terrestres, afin de fournir une connectivité le long des AHs tout en maintenant le service au sol. Nous nous concentrons d'abord sur l'optimisation des réseaux 4G long term evolution (LTE) existants pour maintenir une connectivité minimale le long des AHs. Nous proposons un cadre d'optimisation basé sur le gradient qui utilise les informations des AHs et ajuste l'inclinaison verticale des secteurs LTE, assurant une distribution de puissance optimale pour répondre aux exigences de couverture le long des AHs. En nous tournant vers la 5G new radio (NR), nous explorons comment les systèmes multi-antennes peuvent être exploités avec les informations des AHs pour améliorer la couverture. Nous proposons un cadre d'optimisation utilisant des calculs de gradient pour concevoir des faisceaux de couverture optimaux à partir des cellules environnantes, en identifiant les faisceaux critiques tout en maintenant la configuration existante pour le service au sol. Reconnaissant que l'optimisation de la seule couverture est insuffisante pour améliorer le débit des UAVs, nous proposons une solution fusionnant l'optimisation de la couverture et de la capacité. Nous envisageons d'optimiser les performances des UAVs en contrôlant uniquement les cellules de desserte. Nous proposons donc une nouvelle solution pour planifier de manière optimale les faisceaux de couverture 5G NR, contrôlant stratégiquement l'association des cellules pour maximiser le débit des UAVs sans affecter les utilisateurs au sol. Cette solution peut augmenter le débit des UAVs le long des AHs en ajustant le réseau uniquement lors de la planification, le réseau restant inchangé malgré les conditions instantanées. Pour résoudre ce problème, nous proposons une solution heuristique basée sur une nouvelle métrique capturant la capacité de multiplexage, le gain moyen de qualité de canal et les interférences. En exploitant cette métrique, nous introduisons un cadre en deux étapes : premièrement, nous divisons de manière optimale les AHs en segments et identifions les cellules de desserte optimales; deuxièmement, nous définissons l'ensemble optimal de faisceaux de couverture NR émis par ces cellules pour maximiser leur couverture.