Thèse Caractérisation Expérimentale du Csi à Granularité Fine dans la 5G et Au-Delà Applications à la Localisation Radio et à la Transmission Efficace des Données H/F

Doctorat.Gouv.Fr

Établissement : Université Côte d'Azur
École doctorale : STIC - Sciences et Technologies de l'Information et de la Communication
Laboratoire de recherche : Conception, Mise en oeuvre et Analyse d'Architectures Réseau
Direction de la thèse : Chadi BARAKAT ORCID 0000000320441279
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-05-03T23:59:59

Ce projet étudie l'utilisation de l'information d'état du canal (CSI) à granularité fine dans les réseaux 5G et au-delà, afin d'améliorer la localisation radio et la planification sensible à la fréquence. En s'appuyant sur le banc d'essai SLICES, l'étude acquiert expérimentalement des jeux de données CSI détaillés dans différents environnements de propagation et pour diverses configurations d'antennes. Elle évalue la précision de la localisation basée sur le CSI à l'aide de méthodes géométriques et apprentissage automatique, et examine l'impact de la granularité du CSI sur les performances de planification multi-utilisateurs. Les résultats incluent des jeux de données en libre accès, un prototype d'ordonnanceur, et des recommandations de conception pratiques, comblant l'écart entre les normes 3GPP et les déploiements réels de réseaux.

The deployment of 5G New Radio (NR) networks and the anticipation of 6G systems have renewed interest in the exploitation of fine-grained Channel State Information (CSI) for radio resource management and localization. In OFDM-based systems, the CSI report, typically expressed as per-subcarrier channel frequency response matrices, encodes rich information about the propagation environment, including multipath delays, angular spread, and Doppler dynamics. While standards such as 3GPP Release 17 and 18 specify increasingly detailed CSI reporting mechanisms, the practical measurement and exploitation of this information in real-world, heterogeneous deployments remain largely unexplored outside of controlled simulation environments.

This thesis proposes to address this gap through a fundamentally experimental approach, leveraging the SLICES (Scientific Large-scale Infrastructure for Computing/Communication Experimental Studies) research infrastructure. SLICES is a pan-European distributed testbed providing open access to programmable radio equipment, including massive MIMO arrays, software-defined radios, and 5G-compatible base stations, across multiple sites. This unique infrastructure makes it possible to acquire in a fully controlled and reproducible way, the kind of fine-grained CSI datasets that are necessary to study localization and frequency-aware scheduling under realistic and reproducible conditions.