Localisation de l'utilisateur dans la 5G NR et au-delà

La localisation précise des équipements utilisateurs (UE) constitue un élément fondamental pour les applications émergentes de l'Internet des objets (IoT) et des industries intelligentes, telles que les usines connectées, les véhicules autonomes, la robotique et les villes intelligentes. Pour répondre à ces besoins, la 5G introduit des améliorations substantielles en termes de bande passante, de latence, d'architecture et de signalisations dédiées, permettant ainsi la mise en œuvre de services avancés de localisation. Malgré ce potentiel, une localisation précise dans des déploiements réels demeure un défi. Les méthodes conventionnelles reposent sur les mesures de temps ou d'angle d'arrivée du signal, fortement affectées par des limitations pratiques telles que la propagation en trajets multiples (multipath), les liens Non-Line-of-Sight (NLoS) entre l'utilisateur et les points de transmission/réception (TRP), ainsi que les erreurs de synchronisation dues aux imperfections matérielles. De plus, une grande partie de l'état de l'art s'appuie encore sur des simulations ou des données synthétiques, qui ne tiennent pas compte de ces contraintes réelles et ne reflètent pas la complexité des environnements opérationnels, en particulier en intérieur ou dans des zones urbaines denses. Dans cette thèse, nous adoptons une approche expérimentale afin de combler cette lacune. Nous concevons et mettons en œuvre un système complet de localisation 5G conforme aux spécifications du 3rd Generation Partnership Project (3GPP), en exploitant les signaux, protocoles et architectures normalisés. Plus précisément, nous présentons la première évaluation expérimentale de la méthode uplink Time Difference of Arrival (TDoA) intégrée à la plateforme OpenAirInterface (OAI), incluant le protocole New Radio Positioning Protocol A (NRPPa) et la fonction Location Management Function (LMF). En outre, nous déployons ce système sur plusieurs bancs d'essais, en environnements intérieurs et extérieurs, en utilisant des unités radio commerciales Open RAN (O-RAN RUs), permettant une validation sans précédent de la localisation 5G conforme aux standards. Nos résultats mettent en évidence à la fois l'efficacité et les limites des méthodes basées sur le TDoA dans des déploiements réels. Motivés par ces constats, nous explorons ensuite des solutions avancées basées sur l'apprentissage automatique et l'exploitation des données. En nous appuyant sur les jeux de données de grande ampleur collectés sur nos bancs d'essais, nous concevons des modèles supervisés et non supervisés intégrant de la fusion de capteurs, capables de surpasser le TDoA conventionnel dans des scénarios où la qualité des mesures est insuffisante. Enfin, nous comparons ces approches apprenantes au TDoA ainsi qu'à des solutions commerciales de haute précision telles que la localisation en cinématique temps réel (RTK), en soulignant leur potentiel pour dépasser les limitations des méthodes standard. Ces cadres logiciels open-source, couvrant la 5G et les évolutions au-delà de la 5G, ainsi que les jeux de données issus de nos bancs d'essais et rendus publics, constituent une contribution unique à la communauté scientifique travaillant sur la localisation.