Energy-Efficient Signal Processing Algorithms for Cell-Free Massive MIMO Networks

L’évolution des réseaux sans fil vers les générations post-5G et 6G est motivée par la nécessité d’offrir une capacité inédite, une densité de connectivité massive et une efficacité énergétique renforcée. Cependant, les architectures cellulaires conventionnelles présentent des limitations intrinsèques pour répondre à ces objectifs, car la rigidité des frontières de cellules cause des interférences inter-cellules qui limitent l’efficacité spectrale. Le cell-free massive MIMO (CF-mMIMO) s’impose comme un paradigme disruptif capable de dépasser ces limitations. En s’appuyant sur un grand nombre de points d’accès distribués servant conjointement les utilisateurs sans notion de cellule, le CF-mMIMO exploite la macro-diversité spatiale et la transmission cohérente conjointe pour offrir une qualité de service uniforme, une efficacité spectrale élevée et des performances énergétiques évolutives. Ces propriétés en font un candidat prometteur pour les futurs réseaux sans fil.Néanmoins, le déploiement pratique des réseaux CF-mMIMO soulève des défis majeurs liés aux coûts et à l’efficacité énergétique. Contrairement aux études théoriques qui supposent souvent un matériel idéal et un traitement centralisé du signal, les déploiements réels reposent sur des émetteurs-récepteurs à faible coût, soumis à des contraintes strictes de puissance et de capacité fronthaul limitée. En particulier, les chaines radiofréquences (RF) contribuent de manière significative à la consommation énergétique et aux distorsions du signal, notamment à cause des amplificateurs de puissance et les convertisseurs numérique-analogique. La conception de solutions de couche physique efficaces pour le CF-mMIMO nécessite ainsi un équilibre entre complexité algorithmique et contraintes de mise en œuvre distribuée, afin de garantir la faisabilité pratique sans compromettre les performances. Cette thèse est consacrée à l’étude de ces compromis et au développement de méthodes de traitement du signal robustes aux imperfections matérielles pour le downlink des réseaux CF-mMIMO.Les contributions de ce travail s’articulent comme suit. Tout d’abord, nous établissons un modèle système complet, sous l’hypothèse d’une modulation OFDM, incluant le model du canal, l’estimation de canal en uplink et la transmission en liaison descendante. Nous menons ensuite une analyse comparative des schémas de précodage de l’état de l’art dans un scénario de déploiement représentatif, en supposant un matériel idéal. Dans un second temps, nous étudions l’impact des imperfections matérielles sur le système, en nous concentrant sur les distorsions additives introduites par les amplificateurs de puissance non linéaires et les effets de quantification des convertisseurs numérique-analogique, car ils représentent à la fois les principales sources de distorsion et les contributeurs dominants à la consommation énergétique. Dans un troisième temps, nous proposons une solution de traitement du signal basée sur un modèle exploitant des topologies fronthaul sérielles, où les points d’accès génèrent séquentiellement des coefficients de précodage en forme fermée de manière locale, permettant un multiplexage spatial efficace tout en compensant les distorsions matérielles directement via la recombinaison sur-les-ondes au niveau des terminaux utilisateurs. Enfin, nous explorons une approche fondée sur l’apprentissage automatique au moyen d’un cadre d’apprentissage de bout en bout, capable de compenser les non-linéarités sans connaissance explicite du modèle matériel et de s’adapter naturellement aux déploiements distribués.Dans l’ensemble, cette thèse démontre qu’il est possible d’obtenir des améliorations significatives de l’efficacité énergétique atteignable dans le CF-mMIMO tout en maintenant une complexité de calcul réduite et des architectures réseaux faciles à déployer, reposant principalement sur des mises en œuvre locales ou sur des mécanismes de coopération avec un minimum de signalisation fronthaul.