Formes d'ondes et gestion des ressources pour des communications machines-machines sur de grandes zones – WARM-M2M

Les communications M2M (Machine-to-Machine) permettant de relier le monde réel à son jumeau numérique est l'un des principaux défis des futurs réseaux cellulaires sans fil (cette évolution est déjà engagée avec la 5G). En effet, l’infrastructure d’un réseau cellulaire est optimisée pour passer des flux d’information ou de gros fichiers, pas pour transmettre de petits messages courts et sporadiques venant d’une myriade de petits capteurs éparpillés sur une large surface. Le projet se concentrera sur l'infrastructure du réseau non terrestre (NTN) qui est nécessaire pour assurer une couverture terrestre complète.
Une propriété importante de ces réseaux M2M est qu'il n'est pas possible de travailler en mode connecté : maintenir la connexion avec une myriade de nœuds entraînerait un coût prohibitif. De plus, les séquences d'entraînement classiques utilisées pour estimer le canal sont connues pour être un gaspillage de ressources du point de vue de la communication. Elles doivent être idéalement supprimées pour optimiser l’utilisation des ressources.
L'objectif du projet WARM-M2M est de s'attaquer à ce verrou technologique complexe. Pour ce faire, le consortium fusionnera son expertise technique dans trois domaines qui sont rarement étudiés conjointement. Premièrement, la définition de formes d'ondes sans préambule (trames QCSP et trames à base de tenseurs) pour éviter un gaspillage de ressource. Deuxièmement, la définition d’algorithmes avancés de décodage multi-utilisateurs pour résoudre conjointement le problème de l'identification des utilisateurs actifs, de l'estimation du canal et du décodage (passage de message approximatif gaussien hybride et réseau neuronal sur graphe). Troisièmement, l'utilisation de techniques d'apprentissage par renforcement profond (DRL) pour optimiser la couche de protocole.
Une mesure importante du succès sera l'intégration des solutions proposées dans de futurs standards NTN.