Explorer la 6G avec MATLAB - MATLAB & Simulink

Livre blanc

Explorer la 6G avec MATLAB

Introduction

La technologie 6G est la prochaine génération de télécommunications qui offrira une vitesse, une capacité et une latence sans précédent. Elle sera développée sur la base de la 5G et introduira de nouvelles capacités qui permettront de nouvelles applications et de nouveaux services. Les réseaux 5G utilisent une combinaison de fréquences inférieures à 6 GHz et d'ondes millimétriques, ainsi que des technologies avancées telles que le MIMO massif, le beamforming et le découpage du réseau, pour offrir des vitesses élevées et une communication ultra-fiable à faible latence. Cependant, la 5G est encore sujette à certains problèmes, tels que la pénurie de spectre, l'efficacité énergétique ou la couverture. La 6G vise à relever ces défis et à atteindre des objectifs de performance encore plus élevés.

Selon certaines estimations, la 6G offrira des vitesses de l'ordre du térabit, une latence d'une microseconde et une capacité bien supérieure à celle de la 5G. Pour y parvenir, la 6G utilisera un certain nombre de technologies porteuses telles que des bandes de fréquences plus élevées, notamment térahertz et sub-térahertz, des surfaces intelligentes reconfigurables, l'intelligence artificielle, de nouvelles formes d'onde et des techniques de couche physique. La 6G s'appuiera aussi sur les réseaux satellites et les plateformes non terrestres pour assurer une couverture omniprésente.

Le développement de la 6G en est encore à ses débuts, mais certaines étapes importantes ont déjà été franchies par des organisations internationales et des acteurs du secteur. L’ITU a lancé le projet IMT-2030 pour définir les exigences et la feuille de route de la 6G. Le 3GPP a commencé à étudier les systèmes au-delà de la 5G et prévoit de publier la première norme pour la 6G d'ici 2028. Plusieurs pays ont également lancé des initiatives de recherche et des bancs d'essai pour la 6G.

Les applications potentielles de la 6G sont diverses et ambitieuses. La 6G permettra également de nouveaux paradigmes de communication qui nécessiteront de nouvelles mesures et de nouveaux critères de qualité de service pour garantir la satisfaction des utilisateurs et l'efficacité du système.

Schéma montrant les différents composants d'un système de télécommunications 6G, notamment les algorithmes, les formes d'onde, les modèles de canaux, les émetteurs-récepteurs RF, les antennes et le beamforming.

Optimiser conjointement les composants numériques, RF/analogiques et antennes/réseaux des systèmes de télécommunications 6G avec les produits MATLAB.

Compte tenu de la complexité de la mise sur le marché de la 6G, les chercheurs et les ingénieurs spécialisés dans les télécommunications vont devoir simuler, tester et expérimenter rigoureusement différents outils logiciels. Des programmes tels que MATLAB® vont devenir indispensables pour répondre aux problématiques de recherche les plus complexes posées par la 6G. Ce livre blanc présente quelques-uns des outils clés déjà disponibles pour commencer à développer la prochaine génération de technologies de télécommunications.

section

Cas d'utilisation et exigences de la 6G

La 5G est en plein essor et fonctionne partout dans le monde. Cependant, la convergence continue du monde physique et du monde virtuel dans de nombreux domaines amplifiera encore les besoins de performance et conduira à long terme la 5G à ses limites. Par conséquent, les systèmes de télécommunications de nouvelle génération (6G) devront atteindre des niveaux de qualité de service sans précédent, capables de satisfaire une toute nouvelle catégorie d'applications et de services à l'horizon 2030 et au-delà.

Collage de photos de différentes technologies, dont un avion, un smartphone et une voiture équipée de capteurs.

La 6G permettra de nombreuses avancées technologiques.

Au-delà de l'amélioration des cas d'utilisation existants de la 5G, certains chercheurs estiment que la 6G devra gérer des applications extrêmement exigeantes telles que les communications holographiques, la réalité virtuelle étendue (XR), les jumelages numériques massifs et l'Internet of Things (IoT) à très grande échelle. Ces cas d'utilisation vont générer des quantités massives de données, nécessiter des débits binaires ultra-élevés à des endroits précis et offrir une efficacité réseau nettement supérieure à ce que la 5G peut offrir. Ces applications nécessiteront également des capacités d'intelligence au-delà de la 5G pour permettre une prise de décision en temps réel sur de grands volumes de données.

Les applications 6G peuvent être classées en différentes catégories en fonction d'exigences de haut niveau, qu’elles soient fonctionnelles ou de performance. Ce livre blanc se concentre sur quatre catégories :

  • Systèmes robotiques et autonomes fonctionnant en réseau : applications dans lesquelles les systèmes peuvent percevoir leur environnement grâce à des capteurs, interagir avec les humains de manière naturelle et prendre les décisions nécessaires pour faciliter ou supporter un ensemble de tâches. Les applications incluent notamment les opérations coopératives en ligne entre des robots de service et des jumeaux numériques pour la fabrication.
  • Réalité étendue multisensorielle : applications de réalité virtuelle (RV) et de réalité augmentée (RA) avancées offrant des expériences hautement immersives avec des éléments haptiques, visuels et audio, adaptés à l’environnement. Les applications incluent notamment le codesign de réalité mixte et la téléprésence en réalité mixte.
  • Détection et communications distribuées : cas d'utilisation avec des réseaux de capteurs et de collecte de données à grande échelle. Les applications incluent les réseaux internes et les villes intelligentes immersives.
  • Développement durable et communication inclusive : les cas d'utilisation de cette catégorie se concentrent sur la réduction des inégalités et l'inclusion numérique en garantissant un accès global aux services numériques. Il s'agit notamment des services médicaux à distance, des accès numériques élargis et des ressources éducatives supplémentaires dans des zones historiquement difficiles à atteindre avec l'internet sans fil.
section

Écosystème de recherche 6G

Bien que les travaux de normalisation de la 6G ne devraient pas commencer avant 2025, plusieurs initiatives ont été lancées dans le monde entier pour définir les caractéristiques de la 6G. Dans ce qui suit, ce livre blanc présentera un aperçu des initiatives et des activités menées dans le monde entier pour dresser une vue d'ensemble de l'écosystème de recherche sur la 6G.

Au niveau international, le secteur des radiocommunications (UIT-R) de l'Union internationale des télécommunications (UIT) a chargé un groupe de travail (WP 5D) de formuler, sous la forme d'une recommandation, une vision des communications mobiles au-delà de 2030.

En Amérique du Nord, la Next G Alliance vise à établir un leadership nord-américain dans la recherche et le développement de la 6G.

En Europe, SNS JU (Smart Networks and Services Joint Undertaking) est chargée de la recherche sur la 6G. De plus, plusieurs projets de recherche phares financés par l'UE sur la 6G ont été lancés.

De même, en Asie, plusieurs initiatives ont été récemment initiées pour définir la vision de la 6G et des technologies porteuses.

section

Technologies porteuses

Parmi les diverses initiatives 6G dans le monde, certaines technologies communes sont envisagées pour concrétiser les concepts 6G. Les experts sont unanimes sur les technologies clés de la 6G :

  • Intelligence artificielle
  • Communications et détections conjointes
  • Surfaces intelligentes reconfigurables
  • Réseaux non terrestres (RNT)
  • Design de la couche physique
  • Débits de données extrêmes et fréquences plus élevées

Dans les sections suivantes, ce livre blanc présente ces dénominateurs communs et explique comment vous pouvez utiliser MATLAB pour répondre aux problématiques de recherche les plus complexes de la 6G.

Deep Learning et IA

L'intelligence artificielle (IA) est déjà utilisée dans la 5G et est pressentie pour une large plage de cas d'utilisation dans le cadre de la recherche sur la 6G. Un workflow d'IA nécessite une architecture de réseaux de neurones profonds et la génération de grandes quantités de données pour l’apprentissage de ces réseaux, notamment le support GPU pour un apprentissage efficace, et MATLAB dispose de toutes ces capacités. Les cas d'utilisation comprennent :

  • Design de beamforming
  • Estimation adaptative des canaux
  • Décodage des canaux basé sur les données
  • Compensation des défauts hardware

Dans la version 18 du 3GPP, l'accent est mis sur trois domaines de l'IA :

  • Compression des informations sur l'état du canal (CSI) : les réseaux de neurones pourraient être utilisés pour compresser les informations CSI renvoyées par le récepteur à l'émetteur.
  • Gestion des faisceaux : une recherche exhaustive de toutes les paires de faisceaux dans un système MIMO massif peut devenir numériquement prohibitive. Une autre solution consiste à utiliser l'IA pour réduire l'espace de recherche à un ensemble plus restreint de paires de faisceaux.
  • Positionnement : un positionnement précis permet de multiples applications, mais constitue un défi technique. L'IA peut améliorer la précision des positionnements.

Utilisation de MATLAB pour le Deep Learning et l'IA

MATLAB supporte l'ensemble du workflow de Deep Learning/IA, de l'idée initiale à un réseau de neurones entraîné s'exécutant sur un dispositif embarqué.

Préparation des données

Nettoyage et préparation des données

Perspective humaine

Données générées par simulation

Modélisation
de l'IA

Design et réglage du modèle

Apprentissage accéléré par GPU

Interopérabilité de Python

Simulation et test

Intégration avec des systèmes complexes

Simulation du système

Vérification et validation du système

Déploiement
 

Dispositifs embarqués

Systèmes d'entreprise

Périphérie, cloud et desktop

Les toolboxes MATLAB aident les chercheurs tout au long du workflow, de la préparation des données au déploiement.

MATLAB et les toolboxes associées vous permettent de concevoir, d'entraîner, de tester et de déployer des réseaux de neurones profonds pour une grande variété d'applications. MATLAB est fourni avec un large ensemble de démonstrations exécutables en IA pour les applications de télécommunications :

Communications et détections conjointes

L'une des caractéristiques potentielles des futurs réseaux 6G réside dans leur capacité à utiliser le spectre radio pour la détection et les communications. Le terme de communications et détection conjointes fait référence à un nouveau paradigme dans lequel le hardware et le software de la radio peuvent effectuer ces deux tâches de détection et de communication. Les cas d'utilisation potentiels comprennent la surveillance des transports et la localisation d'objets passifs, la surveillance de l'environnement et la détection de l'activité/présence humaine, ainsi que la détection des chutes et la surveillance de la glycémie.

Schéma montrant les télécommunications entre un piéton, un véhicule en mouvement et une station de base cellulaire pour détecter des objets passifs via des signaux RF.

Les communications et la détection conjointes peuvent être divisées en deux approches :

  • Le même spectre radio est utilisé pour la détection et pour les communications. Cela implique l'ajout d'un nouveau traitement du signal pour la détection au niveau du récepteur, mais aucun changement n'est nécessaire au niveau de la fonctionnalité de communication. Partager le spectre entre la détection et les communications pose des défis intéressants, car il faut trouver un compromis dans le design de la forme d’onde, entre la capacité de détection et la performance des communications. Par exemple, la limite inférieure de Cramér-Rao (CRLB) pourrait constituer une métrique pertinente pour la détection, alors que la capacité est une meilleure métrique à utiliser pour les communications.
  • Différentes parties du spectre radio sont utilisées pour la détection et les communications. Un hardware dédié pourrait être utilisé pour la détection. Cette approche devient alors une question de partage des ressources radio disponibles en fonction du temps, de la fréquence et de la dimension spatiale.

Utilisation de MATLAB pour les communications et la détection conjointes

En combinant Communications Toolbox™ et Radar Toolbox, vous pouvez facilement mener des expériences en matière de communications et de détection conjointes. Communications Toolbox contient des blocs de base permettant de mettre en place les chaînes de traitement du signal de communication, tandis que Radar Toolbox contient tous les algorithmes dont vous aurez besoin pour la partie détection.

Le positionnement et la localisation sont des concepts centraux dans de nombreuses applications de détection. MATLAB propose de nombreux exemples approfondis dans ces domaines. Un système qui intègre les communications et la détection doit faire un compromis entre les deux types de formes d'onde. MATLAB vous permet d'étudier ce compromis. La détection de signature micro-Doppler est une technique qui permet de nombreux cas d'utilisation étudiés avec les communications et la détection conjointes. MATLAB vous permet d'étudier la classification des signatures micro-Doppler, par exemple en utilisant des techniques de Deep Learning.

Surfaces intelligentes reconfigurables

Les surfaces intelligentes reconfigurables (RIS) sont des techniques qui changent le paradigme et permettent de manipuler le canal de télécommunications pour offrir une couverture ultra-fiable et une qualité de communication supérieure. Un système de télécommunications classique considère l'environnement de propagation comme une donnée. Son objectif est donc d'optimiser les performances de communications en adaptant ses schémas et ses paramètres d’émission de manière à surmonter les dégradations du canal « donné ».

Les RIS sont des surfaces planes composées d'éléments réfléchissants qui peuvent influencer de manière indépendante et passive la phase du signal qu'ils réfléchissent. Grâce à des éléments programmables, les RIS peuvent reconfigurer le canal de télécommunications en réglant les déphasages d'un grand nombre d'éléments réflecteurs sur une surface ou un réseau d'antennes. Cela permettra au système de communication de contrôler activement les caractéristiques de l'environnement radio et d'éliminer ou d'améliorer certaines directions de propagation du signal ainsi que de supprimer les interférences.

La communauté scientifique travaille déjà sur un ensemble de défis et de problèmes de recherche qui doivent être résolus pour faire passer les RIS de la théorie à la pratique :

  • Le design de surfaces réfléchissantes avec un grand nombre d'éléments pour trouver rapidement des configurations adaptées à un scénario spécifique pour les éléments contrôlables, tout en minimisant la surcharge de signalisation
  • Une estimation précise du canal de télécommunications entre les RIS et les émetteurs ou les récepteurs et l'acquisition CSI compte tenu du grand nombre d'éléments réfléchissants et des scénarios hautement dynamiques lorsque les RIS sont montés sur des drones
  • Le design et l'optimisation d'un beamforming robuste tenant compte de la nature imparfaite du CSI acquis par les systèmes RIS

Utilisation de MATLAB pour les surfaces intelligentes reconfigurables

En utilisant Phased Array System Toolbox™, Antenna Toolbox™ et Optimization Toolbox™, vous pouvez modéliser et concevoir des surfaces de diffusion et modifier dynamiquement leurs caractéristiques. De plus, MATLAB vous permet de :

  • Modéliser des surfaces et des éléments réfléchissants grâce à un vaste catalogue d'éléments comprenant des antennes dipôles, monopôles, patchs, spirales, fractales ou à cornet.
  • Concevoir des algorithmes d'optimisation pour contrôler de manière optimale les différents éléments des surfaces réfléchissantes.
  • Concevoir avec une grande souplesse des réseaux d'antennes, notamment des réseaux linéaires, rectangulaires, circulaires, conformes et des réseaux personnalisés pour explorer l'espace de design des RIS.
  • Modéliser avec précision les environnements de propagation 3D en utilisant le tracé de rayons pour calculer les chemins de propagation à trajets multiples tout en prenant en compte les valeurs de permittivité et de conductivité ITU des matériaux courants.
  • Modéliser des canaux MIMO de propagation multitrajet et de diffusion pour modéliser les réflexions de plusieurs diffuseurs vers un réseau de réception. Le modèle prend en compte le délai dépendant de la portée, le gain, le décalage Doppler, le changement de phase et la perte atmosphérique due aux gaz, à la pluie, au brouillard et aux nuages.

Réseaux non terrestres (RNT)

Les RNT sont pressentis pour répondre aux exigences de disponibilité, de continuité et d'évolutivité des futures applications 6G. Les RNT sont des réseaux dans lesquels des véhicules non terrestres tels que des drones commerciaux, des plateformes de haute altitude (HAP) ou des satellites jouent le rôle de stations de base dans le ciel, en complétant ou en remplaçant partiellement les réseaux terrestres existants. En proposant une couverture et un service partout et à tout moment, les RNT contribueront à la réalisation d'applications critiques telles que les interventions et les services d'urgence lorsque des catastrophes naturelles détruisent l'infrastructure des réseaux cellulaires. Les RNT favoriseront également une connectivité universelle, réduisant ainsi la fracture numérique. L'importance des RNT a déjà été reconnue pour la 5G, où le 3GPP a déjà pris acte du potentiel de la NR, ainsi que pour la recherche à long terme sur la 6G. Un élément de travail RNT dans le 3GPP Rel-17 a été approuvé en 2019 et d'autres éléments ont été identifiés pour les Rel-18 et Rel-19.

Les experts du domaine ont déjà dressé une liste des principaux problèmes de recherche à résoudre en vue de la mise en place des RNT pour la 6G :

  • Modélisation de la mobilité des satellites et examen des effets des mouvements des satellites sur le modèle de canal de télécommunications, les délais de propagation, le débit et les temps d'aller-retour
  • Synchronisation de la fréquence et du temps, en particulier lorsque les RNT doivent coexister avec des TN et intégration des systèmes mondiaux de navigation par satellite (GNSS) dans le réseau de satellites des RNT
  • Amélioration de la capacité d'émission et de réception des satellites en utilisant des designs d'antennes distribuées cohérents et d’antennes phasées reconfigurables, une nouvelle gestion des faisceaux et des techniques de beamforming pour obtenir des faisceaux extrêmement étroits
Illustration montrant comment les réseaux non terrestres permettront des communications directes de téléphones cellulaires (équipement de l'utilisateur) vers des satellites pour une connectivité mondiale.

Utilisation de MATLAB pour les réseaux non terrestres

Les modèles de liaison RNT 5G existants peuvent être utilisés comme point de départ pour étudier les améliorations nécessaires et améliorer les algorithmes pour la 6G. Grâce à 5G Toolbox™ et Satellite Communication Toolbox, MATLAB dispose de tous les outils nécessaires pour accélérer vos recherches sur les RNT en vous permettant de : 

  • Construire, modéliser et visualiser de manière flexible des scénarios de satellites complets composés de satellites, de constellations et de stations au sol, ainsi que les interactions entre eux.
  • Effectuer une modélisation multidomaine avec satellites et avions dans le même scénario.
  • Modéliser les liaisons satellites à sauts multiples entre les stations au sol et effectuer une analyse d'accès entre constellations et stations terrestres.
  • Modéliser la fréquence Doppler et la latence entre les satellites et les stations au sol.
  • Utiliser des modèles de propagation par satellite basés sur des normes pour modéliser les pertes de propagation et la polarisation croisée telles qu'elles sont définies dans la recommandation UIT-R P.618 ainsi que le canal de communication mobile terrestre par satellite (LMS) tel que défini dans la recommandation UIT-R P.681-11, section 6.2.
  • Explorer de nouvelles formes d'onde, des schémas de modulation et des techniques de correction d'erreurs grâce à une vaste bibliothèque de fonctionnalités de communication.
  • Concevoir, modéliser et tester des systèmes beamforming pour répondre aux exigences de largeur de faisceau pour les RNT.
  • Concevoir des antennes et des réseaux d'antennes capables de répondre aux exigences de largeur de faisceau et d'efficacité généralement utilisées dans les RNT.

Débits de données extrêmes et fréquences plus élevées

Un des objectifs ambitieux de la 6G consiste à proposer des débits de données pouvant atteindre des centaines de gigabit par seconde (Gbps). De nombreux défis inédits sont associés à des débits de données extrêmement élevés, dont certains sont liés à une consommation d'énergie accrue et à des fréquences porteuses plus élevées :

  • Une bande passante de signal de l'ordre de plusieurs dizaines de GHz sera nécessaire pour atteindre des débits de données extrêmes, même si l'efficacité spectrale est élevée. Cela signifie que la fréquence de la porteuse doit se situer dans la partie supérieure des ondes millimétriques (>100 GHz). En ce qui concerne la propagation RF, le principal défi posé par les hautes fréquences est l'atténuation élevée. Pour représenter correctement ces limitations, de nouveaux canaux seront nécessaires pour les bandes millimétriques (mmWave) supérieures et les bandes sub-THz. Baser ces modèles de canaux sur une modélisation stochastique, une pratique courante pour les basses fréquences, représente un défi pour les bandes de fréquences plus élevées. Les modèles de canaux basés sur le tracé de rayons ont offert de bonnes capacités de prédiction à 60 GHz, et des capacités similaires sont également attendues à des fréquences plus élevées. Les modèles de tracé de rayons se prêtent bien au beamforming, une technique cruciale pour surmonter le problème de la portée.
  • Pour les convertisseurs de données, la consommation d'énergie augmente de manière approximativement linéaire avec la fréquence d'échantillonnage, mais de manière exponentielle avec la résolution en bits. Les nouveaux défis imposés par une consommation d'énergie accrue due à des largeurs de bande passante plus importantes peuvent exiger de revoir la conception des convertisseurs numérique-analogique (CNA) et analogique-numérique (CAN), par exemple en réduisant la résolution en bits.
  • Les débits de données seront beaucoup plus élevés que la fréquence d'horloge des circuits DSP, ce qui nécessitera le design de nouveaux algorithmes DSP pour traiter des flux de données massivement parallèles.

Utilisation de MATLAB pour les débits de données extrêmes et les fréquences élevées

MATLAB dispose d'une fonctionnalité intégrée pour le tracé de rayons. En plus de cela, les outils disposent d'une fonctionnalité intégrée permettant d'ajouter les pertes dues à la pluie, à la diffraction du terrain, à la réfraction de l'atmosphère, à la diffusion troposphérique et à l'absorption atmosphérique (à titre d'exemple, voir Personnalisation du modèle de canal CDL avec le tracé de rayons et Liaison de communication MIMO-OFDM intérieure utilisant le tracé de rayons).

MATLAB vous permet d'explorer et de modifier l'architecture des convertisseurs de données avec une grande précision.

MATLAB dispose de blocs IP prêts à l'emploi qui traitent les données en parallèle, ce qui permet d'atteindre un débit de données effectif bien supérieur à la fréquence d'horloge. Les modèles Simulink® utilisant ces blocs peuvent être déployés et exécutés en temps réel sur des plateformes FPGA.

Design de la couche physique

Un design actualisé de la couche physique peut consister en une nouvelle trame, de nouvelles formes d'onde et de nouvelles techniques de codage des canaux. Le design de la forme d'onde pour la 6G comporte plusieurs défis. Le bilan de liaison disponible sera réduit par la limitation de la puissance de sortie maximale de l'amplificateur de puissance à des fréquences plus élevées, ce qui favorise les candidats à la forme d'onde présentant de faibles variations d'enveloppe. À des débits de données extrêmement élevés, la conversion analogique-numérique devrait être l'un des principaux facteurs de la consommation d'énergie du système, ce qui favorise les formes d'onde à faible consommation d'énergie. Voici quelques exemples de formes d'onde envisagées pour la 6G :

  • Les formes d'onde CP-OFDM s'appuient sur une longue tradition de la 4G et de la 5G, mais présentent l'inconvénient d'avoir un PAPR (Peak-to-Average Power Ratio) élevé.
  • La modulation ZXM (Zero-crossing modulation) permet d'obtenir une grande efficacité énergétique en réduisant la résolution de l'amplitude.
  • Le DFTS-OFDM réduit le PAPR par rapport au CP-OFDM au détriment d'un traitement supplémentaire du signal.
Deux graphiques, chacun montrant un type différent de forme d'onde avec des crêtes de taille différente.

Des nouvelles formes d'onde avec un spectre et une efficacité énergétique améliorés contribueront à alimenter la 6G.

Utilisation de MATLAB pour le design de la couche physique

Communications Toolbox et 5G Toolbox vous permettent d'explorer différentes technologies, en partant des modèles 5G existants et en utilisant divers modèles de canaux pour explorer les performances dans différentes bandes de fréquences.

MATLAB vous permet d'explorer de nouveaux schémas de codage basés, par exemple, sur les codes NR LDPC et polaires.

section

Conclusion

La technologie de télécommunications 6G offre un avenir prometteur aux ingénieurs et aux chercheurs spécialisés dans les télécommunications. Les cas d'utilisation et les technologies du domaine des télécommunications présentés dans ce livre blanc sont appelés à prendre de plus en plus d'importance au cours de la prochaine décennie.

Nous invitons ceux qui souhaitent en savoir plus sur MATLAB et la 6G à consulter les étapes suivantes recommandées et les ressources indiquées ci-dessous.