Logo Lab-STICCDes capteurs à la connaissance : Communiquer et décider

Thèse CIFRE avec Orange Labs: Optimisation conjointe à l'aide d'un apprentissage par renforcement d'un code correcteur d'erreurs et de son décodeur

| CODES  

Thèse CIFRE en partenariat avec Orange Labs et à l'intersection du machine learning et du codage de canal.

Le codage canal est une brique essentielle des systèmes de communication mobile. L'organisme de normalisation 3GPP a lancé des groupes de travail pour définir la future norme 6G. Les contraintes pour le codage canal sont une grande flexibilité de la taille des données traitées avec une performance pour accrue par rapport à l'existant. Orange est un acteur majeur au sein du 3GPP où avec d'autres partenaires nous avons orienté le standard pour prendre en compte les aspects énergétiques. Le décodage canal est la partie la plus énergivore de la couche physique. Pour répondre aux nouveaux cahiers des charges du 3GPP, l'apport de l'Intelligence Artificielle pour construire de nouveaux codes correcteurs d'erreur sera un atout important.

L'utilisation des techniques d'apprentissage profond (deep learning, DL) dans le domaine de la radio apparait de plus en plus dans la littérature technique [1, 2]. Cette technique issue de l'IA (Intelligence Artificielle) permet l'optimisation globale des ressources radios. Elle peut aussi être appliquée pour améliorer les traitements de signal de réception (démodulation, égalisation, décodage des codes correcteurs, ...) sur des terminaux aux ressources en énergie limitée. Une troisième possibilité, encore peu explorée, est d'utiliser le DL pour construire des schémas de transmission (couple codage-modulation) optimisés (en performance, en énergie, …). Le principal avantage est qu'il s'agit d'un processus d'optimisation qui n'a pas de contrainte de "temps réel", et qu'il peut donc se faire dans un premier temps sur des calculateurs ayant de bonnes ressources en CPU.

Pour plus de renseignement, consulter : https://orange.jobs/jobs/offer.do?joid=100693&lang=FR

 


Toutes les actualités