Stage :
Méthodes d’apprentissage pour l’optimisation de
« Grid of Beams » dans les réseaux 5G
Description
Nokia est un leader mondial dans la conception de technologies au cœur de notre monde connecté. Forts des capacités de recherche et d’innovation des Nokia Bell Labs, nous mettons à disposition des fournisseurs de services de communication, gouvernements, grandes entreprises et utilisateurs finaux, le portefeuille de produits, services et licences le plus complet du marché.
Du déploiement d’infrastructures pour la 5G, de l’Internet des Objets, aux applications émergentes dans les domaines de la réalité virtuelle et de la santé numérique, nous façonnons l’avenir des technologies afin de transformer l’expérience humaine.
www.nokia.com
Le Business Group Mobile Networks (MN) est composé des activités Radio, Converged Core (dont IMS/VoLTE et la gestion des données clients, le « Subscriber Data Management »), Microwave, et, enfin, de toutes les activités liées aux Services mobiles.
Grâce à la combinaison de toutes ces activités, le Business Group Mobile Networks est en mesure de fournir toutes les solutions de réseaux mobiles innovantes et de bout-en- bout à l’ensemble des fournisseurs de services, y compris les opérateurs mobiles majeurs dans le monde.
Rôle
La technologie de beamforming (ou formation de faisceaux) est communément utilisée pour combattre efficacement l’atténuation du signal due principalement à l’affaiblissement de parcours (path loss en anglais), et ainsi maximiser l’efficacité spectrale. Le beamforming joue un rôle majeur dans les réseaux 5G, notamment par l’utilisation de
‘Grid of Beams’ (GoB) : sets de faisceaux directifs préconfigurés et caractérisés par des directions de pointage et d’ouverture prédéfinis.
Cependant, il est nécessaire que le GoB soit configuré de façon optimale, en prenant en compte les spécificités du site où sont déployées les antennes : spécificités en termes de propagation radio de la zone à couvrir ainsi que du trafic prévu.
Dans ce contexte, l’objectif du stage est de contribuer à la mise en place d’une méthodologie permettant la construction de ce GoB, pour assurer une couverture optimale de la zone d’intérêt. Une approche de type apprentissage automatique (Machine Learning), sera étudiée, à partir de mesures radio simulées par un logiciel de planification radio tel que WinProp.
Vos missions consisteront à :
1- Comprendre les méthodes de synthèse des beams (ex : DFT based beamforming),
2- Apprendre et exploiter le logiciel de modélisation de la propagation radio, tel que WinProp.
3- Définir une méthodologie visant la synthèse de GoB pour optimiser la couverture radio selon la topologie du site, et ce à partir de mesures radio simulées,
4- Evaluer par simulation l’approche complète.
Note : des bibliothèques dédiées à l’apprentissage automatique (machine learning), telles que scikit learn en langage Python, pourront être exploitées.
Qualifications
Etude : Master, diplôme d’ingénieur ou doctorat en télécommunications, réseaux ou en technologie de l'information.
Vous connaissez les réseaux de télécommunications radio et vous avez un bon niveau de développement informatique Python, Matlab ou C++.
Vous avez le sens d'abstraction et de modélisation théorique.
Vous avez un bon niveau d'Anglais (oral et écrit).
Motivé(e), volontaire, rigoureux(se) et curieux(se), vous êtes également créatif(ve) et savez faire preuve d'autonomie.
Emploi
Research & Development Lieu principal
Europe South-France-France-Nozay Horaire
Temps plein
English Version
Internship:
Machine Learning based GoB synthesis in 5G Networks
Role:
Beamforming technology is commonly used to effectively combat path loss, thereby maximizing spectral efficiency. Beamforming plays a major role in 5G networks, notably through the use of 'Grid of Beams' (GoB): preconfigured directive beam sets characterized by predefined pointing directions and beamwidths.
However, it is critical that the GoB is optimally configured, taking into account the specificities of the site where the antennas are deployed: specificities in terms of radio propagation of the area to be covered as well as the expected traffic.
In this context, the objective of the internship is to contribute to the implementation of a methodology to efficiently build this GoB, in order to ensure optimal coverage of the area of interest. A machine learning approach will be studied, based on radio measurements simulated by radio planning software such as WinProp.
Your missions will consist in:
1- Understand the methods to synthetize the beams, (ex: DFT based beamforming) 2- Learn and exploit the radio propagation modeling software, such as WinProp.
3- Define a methodology aiming at building the GoB to optimize the radio coverage according to the topology of the site, and based on simulated radio measurements, 4- Evaluate by simulation the complete approach.
Note: Libraries dedicated to machine learning, such as scikit learn in Python language, can be exploited.
Qualifications
Study: Master, Engineer or PhD in telecommunications, wireless networks or information theory.
It is mandatory to have knowledge on radio wireless networks as well a good level in programming (Python, Matlab, C++).
Good level in English is mandatory (Oral and written).
Contact:
Application should be sent to veronique.capdevielle@nokia.com or afef.feki@nokia.com