Energy-efficient solutions for Non-Orthogonal Multiple Access systems aided by ambient backscattering

Solutions efficaces en énergie pour des systèmes exploitant l'accès multiple non-orthogonal aidés par la rétrodiffusion ambiante Le progrès récent des communications sans fil a ouvert la voie à une explosion du nombre de dispositifs connectés. Cette croissance sans précédent pose de nombreux défis en termes de connectivité massive et d'efficacité énergétique. D'une part, l'accès multiple non-orthogonal (NOMA) est une technologie prometteuse permettant une connectivité massive où plusieurs utilisateurs sont servis sur les mêmes ressources radio en superposant leurs signaux. D'autre part, la communication par rétrodiffusion ambiante (AmBC) a été introduite en tant que technologie à faible consommation d'énergie permettant à la fois une transmission passive de données et une récupération d'énergie. Étant donné que la gestion des ressources joue un rôle important dans l'amélioration des performances des systèmes de communication, nous nous concentrons dans cette thèse sur la maximisation de l'efficacité énergétique dans les systèmes NOMA aidés par la rétrodiffusion ambiante avec ou sans connaissance parfaite du canal au niveau de l'émetteur.Dans un premier temps, en supposant une connaissance parfaite du canal, nous maximisons l'efficacité énergétique pour un système NOMA multi-utilisateurs en liaison descendante, formulée comme le compromis entre le débit somme et la consommation totale de puissance. Compte tenu du budget de puissance au niveau de l'émetteur et des exigences minimales de qualité de service de chaque utilisateur, l'allocation de puissance optimale est obtenue analytiquement et celle-ci caractérise l'ensemble de la frontière Pareto-optimale des compromis débit versus (vs.) puissance. Dans le cas particulier de la maximisation du ratio débit somme vs. puissance totale, notre solution réduit la complexité de l'algorithme Dinkelbach à une méthode de recherche par dichotomie. L'avantage de NOMA par rapport à l'accès multiple orthogonal (OMA) en termes du compromis optimal débit vs. puissance est mis en évidence numériquement.Ensuite, nous étendons notre étude en incluant un dispositif de rétrodiffusion ambiante qui module sa propre information à transmettre en reflétant le signal incident provenant de l'émetteur. Premièrement, nous considérons le cas particulier d'un état de rétrodiffusion fixe où le dispositif agit comme un relais passif. Nous étendons également cette étude à plusieurs dispositifs de rétrodiffusion ambiante. Les politiques optimales d'allocation de ressources sont obtenues analytiquement, simplifiant ainsi l'algorithme de Dinkelbach. Dans le cas général où le dispositif n'est pas toujours dans un état de rétrodiffusion fixe, nous dérivons les régions de débits atteignables en exploitant les outils de la théorie de l'information et, ensuite, nous obtenons analytiquement la politique optimale d'allocation de ressources. Nous montrons que la solution proposée atteint une efficacité énergétique supérieure à celle d'autres systèmes de référence. Nous soulignons également que l'efficacité énergétique augmente avec le nombre de dispositifs de rétrodiffusion coopératifs. Pour compléter notre étude, nous montrons également la pertinence de notre solution en cas de connaissance imparfaite du canal.Nos solutions analytiques, qui s'appuient sur la connaissance parfaite du canal à l'émetteur, ne nécessitent pas l'utilisation d'algorithmes itératifs coûteux en termes de puissance de calcul. Cependant, la connaissance parfaite du canal est difficile à obtenir en pratique. Par conséquent, nous étudions un système NOMA à deux utilisateurs dans un canal variant dans le temps et inconnu au niveau de l'émetteur. Nous proposons ainsi une méthode d'apprentissage par renforcement en ligne, reposant uniquement sur un seul bit de feedback. Remarquablement, notre solution proposée ne nécessitant qu'un seul bit de feedback de chaque utilisateur est toujours capable de surpasser OMA dans plusieurs contextes d'intérêt, y compris ceux stochastiques et même non-stationnaires, comme le démontrent nos résultats numériques.