Wireless Resource Allocation in 5G-NR V2V Communications Allocation des ressources radio dans les communications 5G-NR V2V En Fr

Résumé En Fr

This doctoral dissertation explores the enhancement of wireless resource allocation in Vehicle-to-Everything (V2X) communications, as specified by the 3GPP Release 16 standard. The specific area of our research is the NR-V2X Sidelink communication, also known as the New Radio-Vehicles to Vehicles (NR-V2V) communication. Our goal is to formulate a novel optimization protocol that not only guarantees high-quality services (QoS) but also outperforms existing methodologies in NR-V2V communication.Initially, we introduce Adaptive Physical Configuration (APC), a search-based algorithm designed to identify the optimal physical layer configuration within a set of environmental factors, specifically tailored for a broadcast communication scheme. Following this, we evolve APC into a Radio Aware variant (RA-APC), broadening its scope by incorporating unicast communication and establishing a more flexible structure for PHY resources. In the final phase, we further refine RA-APC by integrating a machine learning algorithm, specifically a decision tree. This integration uncovers patterns within the input factors, thereby augmenting both the accuracy and efficiency of the allocation optimization process.

Cette thèse doctorale explore l'amélioration de l'allocation des ressources sans fil dans les communications Vehicle-to-Everything (V2X), selon la norme 3GPP Release 16. Le domaine spécifique de notre recherche est la communication NR-V2X Sidelink, également connue sous le nom de communication New Radio-Vehicles to Vehicles (NR-V2V). Notre objectif est de formuler un nouveau protocole d'optimisation qui garantit non seulement des services de haute qualité (QoS) mais surpasse également les méthodologies existantes dans la communication NR-V2V.Tout d'abord, nous introduisons la Configuration Physique Adaptative (APC), un algorithme basé sur la recherche conçu pour identifier la configuration optimale de la couche physique à l'intérieur d'un ensemble de facteurs environnementaux, spécifiquement adaptée pour un schéma de communication de diffusion. Suite à cela, nous faisons évoluer l'APC vers une variante sensible à la radio (RA-APC), élargissant son champ d'action en incorporant une communication en unicast et en établissant une structure plus flexible pour les ressources PHY. Dans la phase finale, nous affinons encore RA-APC en intégrant un algorithme d'apprentissage automatique, spécifiquement un arbre de décision. Cette intégration met à jour les schémas au sein des facteurs d'entrée, augmentant ainsi à la fois la précision et l'efficacité du processus d'optimisation de l'allocation.