ALLOCATION DE RESSOURCES OPTIMIS?E PAR IA POUR LES COMMUNICATIONS SANS FIL AM?LIOR?ES PAR LES RIS

Les r?seaux 6G (en anglais 6G, sixth generation) pr?vus pr?sentent de nombreux d?fis et opportunit?s pour am?liorer les d?bits de donn?es, l?EE (en anglais EE, Energy Efficiency la couverture mondiale, la fiabilit? et la latence. Ces syst?mes utilisent des technologies innovantes telles que les RIS (en anglais RIS, Reconfigurable Intelligent Surfaces), le MIMO (en anglais MIMO, Multiple Input Multiple Output) et les communications THz (en anglais THz, Terahertz Communications). Les canaux sans fil intelligents et adaptables propos?s par la technologie RIS permettent un contr?le dynamique de la propagation du signal en manipulant l?environnement sans fil. Il est possible d?am?liorer consid?rablement les performances du syst?me en optimisant le d?ploiement et l?utilisation des syst?mes de communication assist?s par RIS. L?EE est un indicateur cl? de performance, et la technologie RIS pr?sente des perspectives prometteuses pour l?am?liorer gr?ce ? une consommation d??nergie r?duite ainsi qu?? une meilleure amplification et couverture du signal. Cependant, pour obtenir ces b?n?fices, il est essentiel de surmonter les d?fis li?s ? la r?partition des ressources, ? l?optimisation de la configuration des RIS, et ? l?application de techniques d?optimisation avanc?es. Dans cette th?se, notre principal but est de trouver des solutions aux limites des m?thodes d?optimisation bas?es sur les mod?les pour les syst?mes de communication assist?s par RIS. Deux nouvelles m?thodes sont pr?sent?es dans notre travail pour aborder le probl?me du taux de convergence de la m?thode de gradient, ? savoir l?GAW(en anglais GAW, Gradient Algorithm with Wolfe Conditions) et la m?thode de maximisation de l?EE bas?e sur la TR (en anglais TR, Trust Region Method). Ces m?thodes optimisent le probl?me de l?EE dans un syst?me MISO (en anglais, Multiple Input Single Output) ? porteuse unique assist? par RIS avec plusieurs utilisateurs. Non seulement nos m?thodes sugg?r?es pr?sentent des taux de convergence plus ?lev?s, mais elles entra?nent ?galementune am?lioration de l?EE par rapport aux approches ant?rieures. En outre, notre attention se porte sur la transmission en bande large ? l?aide de canaux s?lectifs en fr?quence dans un syst?me ? MUs (en anglais MUs, Multi-Users), un domaine qui a ?t? peu explor? dans diverses ?tudes. Il est plus difficile de concevoir un syst?me ? plusieurs porteuses que celui ? porteuse unique, car il faut optimiser en m?me temps les coefficients de r?flexion du RIS, la planification de transmission des MUs et l?allocation des ressources. En exploitant les b?n?fices de l?OFDMA (en anglais OFDMA, Orthogonal Frequency Division Multiple Access), qui permet une r?partition variable des ressources, nous ?laborons le probl?me de l?EE pour un syst?me MUs assist? par RIS ? SISO (en anglais SISO, Single Input Single Output)-OFDMA. Afin de faire face ? la complexit? computationnelle, nous sugg?rons une solution sub-optimale qui repose sur l?optimisation de la borne inf?rieure de l?EE, assurant ainsi une efficacit? computationnelle tout en obtenant des performances satisfaisantes. L?autre objectif du travail est de r?aliser une ?tude exhaustive de l?utilisation des EM (en anglais EM, electromagnetic waves) des RIS pour am?liorer les syst?mes de communication assist?s par RIS. Bien que les publications sur le sujet soient peu nombreuses, il existe une forte volont? d?am?liorer les formulations de probl?mes existantes en int?grant des mod?les EM des RIS. Dans notre ?tude, nous incorporerons des mod?les EM de RIS dans les cadres existants pour exploiter les capacit?s avanc?es de formation de faisceaux des architectures ? BD-RIS (en anglais BD-RIS, Beyond Diagonal RIS) , ce qui am?liore la souplesse op?rationnelle. L?int?gration du BD-RIS avec l?ISAC (en anglais ISAC, Integrated Sensing and Communication) a ?t? recherch?e en raison de son succ?s dans diff?rents contextes de communication, mettant en ?vidence sa sup?riorit? par rapport aux RIS diagonaux traditionnels dans les applications de communication et de d?tection. L?ISAC constitue une m?thode innovante qui combine les objectifs de communication et de d?tection en utilisant des strat?gies de co-conception. Notre ?tude se concentre sur l?impl?mentation du BD-RIS pour am?liorer l?efficacit? ?nerg?tique en utilisant des strat?gies de formation de faisceaux passives et actives, garantissant ainsi une performance robuste en communication et en d?tection. Cette t?che est complexe en raison des contraintes inh?rentes aux configurations BD-RIS, telles que l?orthogonalit?, les in?galit?s quartiques et la nature fractionnaire de la fonction objective. Afin de faire face ? ces difficult?s, nous employons des m?thodes d?RL (en englais RL, Reinforcement Learning) avanc?es, telles que le TD3 (en anglais TD3, Twin Delayed Deep Deterministic Policy Gradient). Selon les simulations, l?incorporation du BD-RIS entra?ne des am?liorations significatives en termes d?efficacit? ?nerg?tique par rapport aux r?f?rences qui utilisent des RIS diagonaux et des RIS avec des d?calages de phase al?atoires. En outre, l?efficacit? de la m?thode TD3 pour l?optimisation du probl?me complexe d?efficacit? ?nerg?tique est mise en ?vidence par sa convergence constante.