Récemment, il y a eu une hausse massive du trafic dans les réseaux mobiles à cause de nouveaux services et applications. Les architectures actuelles des réseaux cellulaires ne sont plus capables de gérer de façon satisfaisante ce trafic. Les Réseaux de Petites Cellules (RPC), basées sur un déploiement dense de stations de bases portables, autoorganisantes et efficaces en termes d’énergie apparait comme une solution prometteuse à ce problème. Les RPC augmentent la capacité du réseau, réduisent sa consommation énergétique et améliorent sa couverture. Par contre, elles posent des défis importants en termes de design optimal. Dans cette thèse, des aspects liés au design cellulaire et à l’allocation de ressources dans les RPC sont traités. La thèse se compose de deux parties. Dans la première partie, le design cellulaire est étudié : une population statique d’utilisateurs est considérée, et la taille optimale de cellule maximisant le débit spatial est donnée en fonction du modèle de récepteur, des conditions radio et des partitions indoor/outdoor. En considérant des utilisateurs mobiles, la taille de cellule optimale est étudiée afin de minimiser le temps de service, et minimiser le blocage et la déconnexion en cours de communication, en fonction de la vitesse des utilisateurs et du type de trafic. Le problème de placement des stations de base optimal est traité en fonction de différents critères de qualité (maximisation de débit total, équité proportionnelle, minimisation de délai, équité max-min) pour différentes distributions d’utilisateurs et partitions de cellules. Le problème de scaling de capacité dans un RPC limité par l’interférence avec pré-codage est étudié, et la quantité optimale d’antennes par utilisateurs en fonction de l’interférence inter-cellules est dérivée. Dans le cadre d’un réseau “green”, pour une charge du réseau donnée, on étudie les politiques optimales en boucle ouverte, afin de maximiser soit une fonction coût du système (contrôle centralisé) soit des fonctions de coût de chacune des stations de base (contrôle distribué). Dans la seconde partie, nous étudions l’allocation de ressources, nous introduisons les concepts de d’équité T-échelle et équité multi-échelle. Ces concepts permettent de distribuer les ressources équitablement pour les différentes classes de trafic. Ces concepts sont illustrés par des applications au partage de spectre et à l’allocation de ressources dans les femto-cellules indoor/outdoor. L’allocation de puissance pour satisfaire les demandes de trafic des utilisateurs avec un grand nombre d’interféreurs est une tâche difficile. Ce problème est abordé, et nous proposons un algorithme universel qui converge vers une configuration de puissance optimale qui satisfait les demandes des utilisateurs dans toutes les stations de base. Les performances de l’algorithme sont illustrées pour différentes configurations du système et différents niveaux de coopération entre les stations de base. / An ever increasing demand for mobile broadband applications and services is leading to a massive network densification. The current cellular system architectures are both economically and ecologically limited to handle this. The concept of small-cell networks (SCNs) based on the idea of dense deployment of self-organizing; low-cost, low-power base station (BSs) is a promising alternative. Although SCNs have the potential to significantly increase the capacity and coverage of cellular networks while reducing their energy consumption, they pose many new challenges to the optimal system design. Due to small cell sizes, the mobile users cross over many cells during the course of their service resulting in frequent handovers. Also, due to proximity of BSs, users (especially those at cell edges) experience a higher degree of interference from neighboring BSs. If one has to derive advantages from SCNs, these alleviated effects have to be taken care either by compromising on some aspects of optimality (like dedicating extra resources) or by innovating smarter algorithms or by a combination of the two. The concept of umbrella cells is introduced to take care of frequent handovers. Here extra resources are dedicated to ensure that the calls are not dropped within an umbrella cell. To manage interference, one might have to ensure that the neighboring cells always operate in independent channels or design algorithms which work well in interference dominant scenarios or use the backhaul to incorporate BS cooperation techniques. Further, small cell BS are most often battery operated, which calls for efficient power utilization and energy conservation techniques. Also, when deployed in urban areas, some of the small cells can have larger concentration of users throughout the cell, for example, hot-spots, which call in for design of SCNs with dense users. Also, with portable BSs, one has the choice to install them on street infrastructure or within residential complexes. In such cases, cell design and resource allocation has to consider aspects like user density, distribution (indoor/outdoor), mobility, attenuation, etc. We present the thesis in two parts. In the first part we study the cell design aspects, while the second part deals with the resource allocation. While the focus is on SCNs, some of the results derived and the tools and techniques used are also applicable to conventional cellular systems.

Les futures applications sans fil anticipent une explosion de la pléthore de cas d'utilisation et de services, qui ne peut être soutenue par des améliorations incrémentielles des schémas de communication existants. Pour cela, deux axes de recherche sont particulièrement intéressants: la densification du réseau à l'aide de petites cellules et la communication par ondes millimétriques (ondes millimétriques). Dans cette thèse, nous modélisons et évaluons des réseaux cellulaires constitués de petites cellules à ondes millimétriques utilisant la technique d'accès multi-radio (RAT) déployées au-dessus de la macro-architecture existante. Premièrement, nous modélisons mathématiquement un déploiement homogène de petites cellules multi-RAT et caractérisons les performances de l'utilisateur et du réseau en termes de probabilité de couverture signal sur brouillage plus rapport de bruit (SINR), de débit descendant et de probabilité de surcharge de cellule. Ensuite, nous étudions l'association des utilisateurs à différents niveaux et la sélection optimale de différents RAT, de manière à optimiser ces mesures de performance. En règle générale, les modèles de réseau cellulaire qui supposent des déploiements homogènes de petites cellules ne tiennent pas compte des nuances des caractéristiques de blocage urbain. Pour résoudre ce problème, nous modélisons les emplacements de petites cellules le long des routes d'une ville, puis nous prenons en compte les blocages de signaux dus à la construction d'immeubles ou au déplacement de véhicules sur les routes. Sur ce réseau, nous supposons que l’opérateur prend en charge trois types de services v.i.z., les communications ultra-fiables à faible temps de latence (URLLC), les communications massives de type machine (mMTC) et le haut débit mobile amélioré (eMBB) avec des besoins différents. En conséquence, nous étudions la sélection optimale de RAT pour ces services avec divers blocages de véhicules. Enfin, sur la base du modèle de déploiement sur route de petites cellules à ondes millimétriques, nous étudions un réseau conçu pour prendre en charge simultanément des services de positionnement et de données. Nous caractérisons la précision du positionnement en fonction des limites de la localisation, puis étudions des stratégies optimales de partitionnement des ressources et de sélection de la largeur de faisceau afin de répondre à diverses exigences de positionnement et de débit de données. / Future wireless applications anticipate an explosion in the plethora of use-cases and services, which cannot be sustained by incremental improvements on the existing communication schemes. For this, two research directions are particularly attractive: network densification using small cells and millimeter wave (mm-wave) wave communications. In this thesis, we model and evaluate cellular networks consisting of multi-radio access technique (RAT) mm-wave small cells deployed on top of the legacy macro-architecture. First, we mathematically model a homogeneous deployment of multi-RAT small cells and characterize the user and network performance in terms of signal to interference plus noise ratio (SINR) coverage probability, downlink throughput, and the cell overloading probability. Then, we study users association to different tiers and optimal selection of different RATs, so as to optimize these performance metrics. Generally, cellular network models that assume homogeneous deployments of small cells fail to take into account the nuances of urban blockage characteristics. To address this, we model the small cell locations along the roads of a city, and subsequently, we take into consideration the signal blockages due to buildings or moving vehicles on the roads. In this network, we assume that the operator supports three types of services v.i.z., ultra-reliable low-latency communications (URLLC), massive machine-type communications (mMTC), and enhanced mobile broadband (eMBB) with different requirements. Consequently, we study the optimal RAT selection for these services with varying vehicular blockages. Finally, based on the on-road deployment model of mm-wave small cells, we study a network designed to support positioning and data services simultaneously. We characterize the positioning accuracy based on the localization bounds and then study optimal resource partitioning and beamwidth selection strategies to address varied positioning and data-rate requirements.

Cette thèse explore le caching proactif, l'un des principaux paradigmes des réseaux cellulaires 5G utilisé en particulier le déploiement des réseaux à petites cellules (RPCs). Doté de capacités de prévisions en combinaison avec les récents développements dans le stockage, la sensibilité au contexte et les réseaux sociaux, le caching distribué permet de réduire considérablement les pics de trafic dans la demande des utilisateurs en servant de manière proactive ces derniers en fonction de leurs demandes potentielles, et en stockant les contenus à la fois dans les stations de base et dans les terminaux des utilisateurs. Pour montrer la faisabilité des techniques de caching proactif, nous abordons le problème sous deux angles différents, à savoir théorique et pratique.Dans la première partie de cette thèse, nous utiliserons des outils de géométrie stochastique pour modéliser et analyser les gains théoriques résultant du stockage dans les stations de base. Nous nous focalisons en particulier sur 1-) les réseaux ``niveau-simple" dans lesquels de petites stations de base ayant une capacité de stockage limitée, 2-) Réseaux ``niveau-multiples" avec un backbone à capacité limitée et 3-) Les réseaux ``niveau-multiples groupés" à deux topologies différentes: déploiements en fonction de la couverture et en fonction de la capacité. Nous y caractérisons les gains de stockage en termes de débit moyen fourni et de délai moyen, puis nous montrons différents compromis en fonction du nombre de stations de base, de la taille de stockage, du facteur de popularité des contenus et du débit des contenus ciblés. Dans la seconde partie de la thèse, nous nous focalisons à une approche pratique du caching proactif et nous focalisons sur l'estimation du facteur de popularité des contenus et les aspects algorithmiques. En particulier, 1-) nous établissons dans un premier lieu les gains du caching proactif à la fois au niveau des stations de base qu'au niveau des terminaux utilisateurs, en utilisant des outils récents d'apprentissage automatique exploitant le transfert des communications appareil-à-appareil (AàA); 2-) nous proposons une approche d'apprentissage sur la base de la richesse des informations transmises entre terminaux (que nous désignons par domaine source) dans le but d'avoir une meilleure estimation de la popularité des différents contenus et des contenus à stocker de manière stratégique dans les stations de base (que nous désignons par domaine cible); 3-) Enfin, pour l'estimation de la popularité des contenus en pratique, nous collectons des données de trafic d'usagers mobiles d'un opérateur de télécommunications sur plusieurs de ses stations de base pendant un certain nombre d'observations. Cette grande quantité de données entre dans le cadre du traitement ``Big Data" et nécessite l'utilisation de nouveaux mécanismes d'apprentissage automatique adaptés à ces grandes masses de données. A ce titre, nous proposons une architecture parallélisée dans laquelle l'estimation de la popularité des contenus et celle du stockage stratégique au niveau des stations de base sont faites simultanément. Nos résultats et analyses fournissent des visions clés pour le déploiement du stockage de contenus dans les petites stations de base, l'une des solutions les plus prometteuses des réseaux cellulaires mobiles hétérogènes 5G. / This thesis explores one of the key enablers of 5G wireless networks leveraging small cell network deployments, namely proactive caching. Endowed with predictive capabilities and harnessing recent developments in storage, context-awareness and social networks, peak traffic demands can be substantially reduced by proactively serving predictable user demands, via caching at base stations and users' devices. In order to show the effectiveness of proactive caching techniques, we tackle the problem from two different perspectives, namely theoretical and practical ones.In the first part of this thesis, we use tools from stochastic geometry to model and analyse the theoretical gains of caching at base stations. In particular, we focus on 1) single-tier networks where small base stations with limited storage are deployed, 2) multi-tier networks with limited backhaul, and) multi-tier clustered networks with two different topologies, namely coverage-aided and capacity-aided deployments. Therein, we characterize the gains of caching in terms of average delivery rate and mean delay, and show several trade-offs as a function of the number of base stations, storage size, content popularity behaviour and target content bitrate. In the second part of the thesis, we take a more practical approach of proactive caching and focus on content popularity estimation and algorithmic aspects. In particular: 1) We first investigate the gains of proactive caching both at base stations and user terminals, by exploiting recent tools from machine learning and enabling social-network aware device-to-device (D2D) communications; 2) we propose a transfer learning approach by exploiting the rich contextual information extracted from D2D interactions (referred to as source domain) in order to better estimate the content popularity and cache strategic contents at the base stations (referred to as target domain); 3) finally, to estimate the content popularity in practice, we collect users' real mobile traffic data from a telecom operator from several base stations in hours of time interval. This amount of large data falls into the framework of big data and requires novel machine learning mechanisms to handle. Therein, we propose a parallelized architecture in which content popularity estimation from this data and caching at the base stations are done simultaneously.Our results and analysis provide key insights into the deployment of cache-enabled small base stations, which are seen as a promising solution for 5G heterogeneous cellular networks.

Cette thèse porte sur la construction des algorithmes distribués pour l’optimisation de la production et du partage de ressources au sein d’un réseau de large dimension. Notamment, on se concentre sur les réseaux électriques et les réseaux cellulaires 5G. On considère dans le cas des réseaux électriques le problème OPF (Optimal Power Flow) dans lequel on vise à faire la gestion et l’optimisation de la production de l’énergie électrique d’une manière distribuée. On se concentre sur une version linéarisée du problème, la DC-OPF (Direct-Current Optimal Power Flow). Comme le problème d’optimisation est convexe dans ce cas, on vise à minimiser le coût de production de l’énergie tout en respectant les limites des lignes de transmission et les contraintes caractéristiques du système. Dans le cas des réseaux cellulaires, on formule un problème de Caching. On a pour but de réduire l’utilisation du backhaul liant les stations de base et le contrôleur du réseau. Les stations de base sont équipées d’une capacité de stockage limitée. Ils visent à trouver d’une manière optimale les fichiers à stocker dans le but de réduire une certaine fonction de coût sur l’utilisation du backhaul et sur le partage des fichiers avec les autres stations de base. L’approche adoptée dans cette thèse consiste à appliquer l’ADMM (Alternating Direction Method of Multipliers), une méthode d’optimisation de manière itérative, à un problème d’optimisation que l’on a préalablement reformulée de façon adéquate. Ce problème permet à la fois de décrire le DC-OPF et le problème de Caching. On démontre la convergence de cette méthode quand elle est appliquée noeud par noeudd’une manière totalement distribuée. Ainsi que dans le cas où le réseau est divisé en plusieurs zones. Ces zones peuvent se chevaucher mais aussi elles peuvent être séparées ou indépendantes. De plus, dans le contexte d’un réseau à zones, on démontre que l’application de l’ADMM d’une manière aléatoire par une seule zone converge aussi vers la solution optimale du problème. / This thesis focuses on the construction of distributed algorithms for optimizing resource production in a large interconnected system. In particular, it focuses on power grid and 5G cellular networks. In the case of power grid networks, we consider the OPF (Optimal Power Flow) problem in which one seeks to manage and optimize the production of electrical energy in a distributed manner. We focus on a linearized version of the problem, the DC-OPF (Direct- Current Optimal Power Flow) problem. This optimization problem is convex; the aim is to minimize the cost of energy generation while respecting the limits of the transmission line and the power flow constraints. In the case of 5G cellular networks, we formulate a caching problem. We aim to offload the backhaul link usage connecting the small bases stations (SBSs) to the central scheduler (CS). The SBSs are equipped with a limited storage capacity. We seek to find the optimal way to store files so as to reduce the cost on the use of backhaul and sharing files with other SBSs. The approach adopted in this thesis is to apply the ADMM (Alternating Direction Method of Multipliers), an optimization method that is applied iteratively, to an optimization problem that we adequately formulated previously. This problem can both describe the DC-OPF problem and the Caching problem. We prove the convergence of the method when applied node by node in a fully distributed manner. Additionally, we prove its convergence in the case where the network is divided into multiple areas or nations that may or may not overlap. Furthermore, in the context of a network with multiple areas, we show that the application of ADMM in a random manner by a single randomly chosen area also converges to the optimal solution of the problem.

5G est prévu pour s'attaquer, en plus d'une augmentation considérable du volume de trafic, la tâche de connecter des milliards d'appareils avec des exigences de service hétérogènes. Afin de relever les défis de la 5G, nous préconisons une utilisation plus efficace des informations disponibles, avec plus de sensibilisation par rapport aux services et aux utilisateurs, et une expansion de l'intelligence du RAN. En particulier, nous nous concentrons sur deux activateurs clés de la 5G, à savoir le MIMO massif et la mise en cache proactive. Dans le troisième chapitre, nous nous concentrons sur la problématique de l'acquisition de CSI dans MIMO massif en TDD. Pour ce faire, nous proposons de nouveaux schémas de regroupement spatial tels que, dans chaque groupe, une couverture maximale de la base spatiale du signal avec un chevauchement minimal entre les signatures spatiales des utilisateurs est obtenue. Ce dernier permet d'augmenter la densité de connexion tout en améliorant l'efficacité spectrale. MIMO massif en TDD est également au centre du quatrième chapitre. Dans ce cas, en se basant sur les différents taux de vieillissement des canaux sans fil, la périodicité d'estimation de CSI est supplémentaire. Nous le faisons en proposant un exploité comme un degré de liberté supplémentaire. Nous le faisons en proposant une adaptation dynamique de la trame TDD en fonction des temps de cohérence des canaux hétérogènes. Les stations de bases MIMO massif sont capables d'apprendre la meilleure politique d’estimation sur le uplink pour de longues périodes. Comme les changements de canaux résultent principalement de la mobilité de l'appareil, la connaissance de l'emplacement est également incluse dans le processus d'apprentissage. Le problème de planification qui en a résulté a été modélisé comme un POMDP à deux échelles temporelles et des algorithmes efficaces à faible complexité ont été fournis pour le résoudre. Le cinquième chapitre met l'accent sur la mise en cache proactive. Nous nous concentrons sur l'amélioration de l'efficacité énergétique des réseaux dotes de mise en cache en exploitant la corrélation dans les modèles de trafic en plus de la répartition spatiale des demandes. Nous proposons un cadre qui établit un compromis optimal entre la complexité et la véracité dans la modélisation du comportement des utilisateurs grâce à la classification adaptative basée sur la popularité du contenu. Il simplifie également le problème du placement de contenu, ce qui se traduit par un cadre d'allocation de contenu rapidement adaptable et économe en énergie. / 5G is envisioned to tackle, in addition to a considerable increase in traffic volume, the task of connecting billions of devices with heterogeneous service requirements. In order to address the challenges of 5G, we advocate a more efficient use of the available information, with more service and user awareness, and an expansion of the RAN intelligence. In particular, we focus on two key enablers of 5G, namely massive MIMO and proactive caching. In the third chapter, we focus on addressing the bottleneck of CSI acquisition in TDD Massive MIMO. In order to do so, we propose novel spatial grouping schemes such that, in each group, maximum coverage of the signal’s spatial basis with minimum overlapping between user spatial signatures is achieved. The latter enables to increase connection density while improving spectral efficiency. TDD Massive MIMO is also the focus of the fourth chapter. Therein, based on the different rates of wireless channels aging, CSI estimation periodicity is exploited as an additional DoF. We do so by proposing a dynamic adaptation of the TDD frame based on the heterogeneous channels coherence times. The Massive MIMO BSs are enabled to learn the best uplink training policy for long periods. Since channel changes result primarily from device mobility, location awareness is also included in the learning process. The resulting planning problem was modeled as a two-time scale POMDP and efficient low complexity algorithms were provided to solve it. The fifth chapter focuses on proactive caching. We focus on improving the energy efficiency of cache-enabled networks by exploiting the correlation in traffic patterns in addition to the spatial repartition of requests. We propose a framework that strikes the optimal trade-off between complexity and truthfulness in user behavior modeling through adaptive content popularity-based clustering. It also simplifies the problem of content placement, which results in a rapidly adaptable and energy efficient content allocation framework.

L'objectif principal de cette thèse est d'analyser la performance des réseaux sans fil selon divers scénarios: réseaux fixes, réseaux mobiles, réseaux mono-saut, et réseaux multi-sauts. Dans les deux premières parties de cette thèse, nous nous focalisons sur le placement géométrique des émetteurs simultanés dans le réseau. Dans la première partie, par l'intermédiaire d'une méthode d'accès au médium, nous étudions l'impact de l'emplacement des émetteurs sur la performance du réseau sans fil mono-saut. Nous établissons une structure générale et nous étudions l'emplacement des émetteurs dans le réseau. Ensuite, on compare ces résultats aux résultats obtenus à l'aide d'un par processus ponctuels aléatoires tels que le processus ponctuel de Poisson, ALOHA, le coloriage des nœuds et CSMA. Notre analyse nous permet d'évaluer les gains en performance d'une méthode d'accès au médium efficace qui serait nécessaire pour mettre en œuvre le déploiement optimal des émetteurs. Par exemple, nous montrons que la capacité garantie par une méthode d'accès très complexe est au plus deux fois la capacité d'un contrôle d'accès avec une faible complexité comme ALOHA. Plus tard, nous utilisons des méthodes analytiques pour évaluer les heuristiques pour l'optimisation de la capacité et de la couverture d'un réseau cellulaire existant de façon optimale via l'ajout de stations de base supplémentaires. Dans la deuxième partie, nous étendons notre analyse à un réseau sans fil multi-sauts où nous évaluons la portée de transmission optimale et la capacité du réseau avec différentes méthodes d'accès au médium. Nos analyses dans les deux premières parties de cette thèse nous permettent d'avoir des perspectives par rapport aux limites théoriques de la performance d'une méthode optimisée d'accès au médium pour les réseaux sans fil mono-saut et multi-sauts. Dans la dernière partie, nous concentrons nos efforts sur l'étude du compromi entre les délais et la capacité dans le réseau mobile sans fil. Nous proposons un routage géographique et nous étudions ses propriétés de passage l'échelle. En se basant sur un modèle de mobilité réaliste et des informations disponibles au niveau des nœuds mobiles, notre méthode de routage permet d'obtenir des délais qui sont bornés par une constante lorsque la capacité du réseau augmente de façon quasi-linéaire et quand le nombre de nœuds dans le réseau augmente et tend vers l'infini.

L’objectif principal de cette thèse est l’analyse des performances des réseaux LTE-A (Long Term Evolution- Advanced) au travers de la géométrie stochastique. L’analyse mathématique des réseaux cellulaires est un problème difficile, pour lesquels ils existent déjà un certain nombre de résultats mais qui demande encore des efforts et des contributions sur le long terme. L’utilisation de la géométrie aléatoire et des processus ponctuels de Poisson (PPP) s’est avérée être une approche permettant une modélisation pertinente des réseaux cellulaires et d’une complexité faible (tractable). Dans cette thèse, nous nous intéressons tout particulièrement à des modèles s’appuyant sur ces processus de Poisson : PPP-based abstraction. Nous développons un cadre mathématique qui permet le calcul de quantités reflétant les performances des réseaux LTE-A, tels que la probabilité d’erreur, la probabilité et le taux de couverture, pour plusieurs scénarios couvrant entre autres le sens montant et descendant. Nous considérons également des transmissions multi-antennes, des déploiements hétérogènes, et des systèmes de commande de puissance de la liaison montante. L’ensemble de ces propositions a été validé par un grand nombre de simulations. Le cadre mathématique développé dans cette thèse se veut général, et doit pouvoir s’appliquer à un nombre d’autres scénarios importants. L’intérêt de l’approche proposée est de permettre une évaluation des performances au travers de l’évaluation des formules, et permettent en conséquences d’éviter des simulations qui peuvent prendre énormément de temps en terme de développement ou d’exécution. / The main focus of this thesis is on performance analysis and system optimization of Long Term Evolution - Advanced (LTE-A) cellular networks by using stochastic geometry. Mathematical analysis of cellular networks is a long-lasting difficult problem. Modeling the network elements as points in a Poisson Point Process (PPP) has been proven to be a tractable yet accurate approach to the performance analysis in cellular networks, by leveraging the powerful mathematical tools such as stochastic geometry. In particular, relying on the PPP-based abstraction model, this thesis develops the mathematical frameworks to the computations of important performance measures such as error probability, coverage probability and average rate in several application scenarios in both uplink and downlink of LTE-A cellular networks, for example, multi-antenna transmissions, heterogeneous deployments, uplink power control schemes, etc. The mathematical frameworks developed in this thesis are general enough and the accuracy has been validated against extensive Monte Carlo simulations. Insights on performance trends and system optimization can be done by directly evaluating the formulas to avoid the time-consuming numerical simulations.

Cette thèse porte principalement sur la modélisation, l'évaluation des performances et l'optimisation au niveau système des réseaux cellulaires de nouvelle génération à l'aide de la géométrie stochastique. En plus, la technologie émergente des surfaces intelligentes reconfigurables (RISs) est étudiée pour l'application aux futurs réseaux sans fil. En particulier, reposant sur un modèle d’abstraction basé sur la loi de Poisson pour la distribution spatiale des nœuds et des points d’accès, cette thèse développe un ensemble de nouveaux cadres analytiques pour le calcul d’importantes métriques de performance, telles que la probabilité de couverture et l'efficacité spectrale potentielle, qui peuvent être utilisés pour l'analyse et l'optimisation au niveau système. Plus spécifiquement, une nouvelle méthodologie d'analyse pour l'analyse de réseaux cellulaires tridimensionnels est introduite et utilisée pour l'optimisation du système. Un nouveau problème d’allocation de ressources est formulé et résolu en combinant pour la première fois géométrie stochastique et programmation non linéaire mixte en nombres entiers. L'impact du déploiement de surfaces réfléchissantes intelligentes sur un réseau sans fil est quantifié à l'aide de processus ponctuels, et les avantages potentiels des RISs contre le relais sont étudiés à l'aide de simulations numériques. / The main focus of this thesis is on modeling, performance evaluation and system-level optimization of next-generation cellular networks by using stochastic geometry. In addition, the emerging technology of Reconfigurable Intelligent Surfaces (RISs) is investigated for application to future wireless networks. In particular, relying on a Poisson-based abstraction model for the spatial distribution of nodes and access points, this thesis develops a set of new analytical frameworks for the computation of important performance metrics, such as the coverage probability and potential spectral efficiency, which can be used for system-level analysis and optimization. More specifically, a new analytical methodology for the analysis of three-dimensional cellular networks is introduced and employed for system optimization. A novel resource allocation problem is formulated and solved by jointly combining for the first time stochastic geometry and mixed-integer non-linear programming. The impact of deploying intelligent reflecting surfaces throughout a wireless network is quantified with the aid of line point processes, and the potential benefits of RISs against relaying are investigated with the aid of numerical simulations.

Nous vivons une révolution numérique où l’Internet est devenu un élément essentiel de notre vie quotidienne. Avec plus de 750 millions de foyers connectés et plus de 6,8 milliards d'abonnés à la téléphonie mobile, les réseaux cellulaires dominent le secteur des Technologies de l'Information et de la Communication (TIC) avec plus de 75%. La tendance est à la hausse et ne semble pas avoir de signe de ralentissement dans un avenir proche en raison des nouveaux services et applications en cours. Cependant, cette augmentation radicale des appareils et services TIC a poussé la consommation d'énergie correspondante et son impact sur l'environnement à croître à un rythme effarant, consommant plus de 5% de l'énergie électrique mondiale et libérant dans l'atmosphère environ 2% des émissions de CO2. Étant donné que les stations de base, éléments essentiels de la fourniture d’accès à l’Internet, consomment la plus grande partie de l’énergie des réseaux cellulaires, il est essentiel d’étudier de nouvelles stratégies et architectures afin de prévenir cette pénurie d’énergie. Cette thèse porte sur le rôle essentiel de l'énergie dans la conception et l'exploitation de futurs réseaux cellulaires. Nous considérons des approches différentes et complémentaires, y compris des techniques d'efficacité énergétique (gestion des ressources radio et systèmes de sommeil), des sources d'énergie renouvelables, le Smart Grid et des outils d'apprentissage basés sur l’intelligence artificiel pour réduire la consommation d'énergie de ces réseaux complexes tout en garantissant une certaine qualité de service adapté aux cas d'utilisation 5G. / We live in the digital era where the Internet has become an essential part of our daily lives. With more than 750 million connected households and over 6.8 billion mobile subscribers, mobile networks are dominating the Information and Communication Technology (ICT) sector with more than 75%. The trend is of further increase and appears to have no signs of slowing down in the near future due to the ongoing new services and applications. However, this radical surge of ICT devices and services has pushed corresponding energy consumption and its footprint on the environment to grow at a staggering rate consuming more than 5% of the world’s electrical energy and releasing into the atmosphere about 2% of the global CO2 emissions. Since base stations, the core elements to provide internet access, consume most of the energy in cellular networks, it is essential to study new strategies and architectures in order to deter this energy crunch. This thesis focuses on the crucial role of energy in the design and operation of future cellular networks. We consider different and complementary approaches and parameters, including energy efficiency techniques (i.e., radio resource management and sleep schemes), renewable energy sources, Smart Grid and tools from machine learning to bring down the energy consumption of these complex networks while guaranteeing a certain quality of service adapted to 5G use cases.

La capacité à prévoir les activités humaines a des implications essentielles dans de nombreux aspects des réseaux cellulaires. En particulier, la haute disponibilité de la prédiction de la mobilité peut permettre différents scénarios d'application; une meilleure compréhension de la demande de trafic de données mobiles peut aider à améliorer la conception de solutions pour l'équilibrage de la charge du réseau. Bien que de nombreux chercheurs aient étudié le sujet de la prédiction de la mobilité humaine, il y a eu peu de discussions sur l'anticipation du trafic de données mobiles dans les réseaux cellulaires.Pour comprendre la mobilité humaine, les ensembles de données de téléphones mobiles, consistant en des enregistrements de données de taxation (CDR), constituent un choix pratique d'empreintes humaines. Comme le déploiement du réseau cellulaire est très irrégulier et que les fréquences d'interaction sont généralement faibles, les données CDR sont souvent caractérisées par une parcimonie spatio-temporelle qui, à son tour, peut biaiser les analyses de mobilité basées sur de telles données et provoquer la perte de trajectoires individuelles.Dans cette thèse, nous présentons de nouvelles solutions de reconstruction de trajectoires individuelles et de prédiction de trafic de données mobiles individuelles. Nos contributions abordent les problèmes de (1) surmonter l'incomplétude des informations de mobilité pour l'utilisation des ensembles de données de téléphonie mobile et (2) prédire la future demande de trafic de données mobiles pour le support des applications de gestion de réseau.Premièrement, nous nous concentrons sur la faille de l'information sur la mobilité dans les ensembles de données de téléphones mobiles. Nous rapportons une analyse en profondeur de son effet sur la mesure des caractéristiques de mobilité individuelles et l'exhaustivité des trajectoires individuelles. En particulier, (1) nous fournissons une confirmation des résultats antérieurs concernant les biais dans les mesures de mobilité causées par la rareté temporelle de la CDR; (2) nous évaluons le décalage géographique provoqué par la cartographie des emplacements des utilisateurs vers les tours cellulaires et révélons le biais causé par la rareté spatiale de la CDR; (3) nous fournissons une estimation empirique de l'exhaustivité des données des trajectoires CDR individuelles. (4) nous proposons de nouvelles solutions de complétion CDR pour reconstruire incomplète. Nos solutions tirent parti de la nature des modèles de mouvements humains répétitifs et des techniques d'inférence de données de pointe et surpassent les approches précédentes illustrées par des simulations axées sur les données.Deuxièmement, nous abordons la prédiction des demandes de trafic de données mobiles générées par les abonnés individuels du réseau mobile. Sur la base de trajectoires complétées par nos solutions développées et nos historiques de consommation de données extraites d'un ensemble de données de téléphonie mobile à grande échelle, (1) nous étudions les limites de prévisibilité en mesurant la prévisibilité maximale que tout algorithme peut atteindre. les approches de prédiction du trafic de données mobiles qui utilisent les résultats de l'analyse théorique de la prévisibilité. Notre analyse théorique montre qu'il est théoriquement possible d'anticiper la demande individuelle avec une précision typique de 75% malgré l'hétérogénéité des utilisateurs et avec une précision améliorée de 80% en utilisant la prédiction conjointe avec des informations de mobilité. Notre pratique basée sur des techniques d'apprentissage automatique peut atteindre une précision typique de 65% et avoir un degré d'amélioration de 1% à 5% en considérant les déplacements individuels.En résumé, les contributions mentionnées ci-dessus vont dans le sens de l'utilisation des ensembles de données de téléphonie mobile et de la gestion des opérateurs de réseau et de leurs abonnés. / The understanding of human behaviors is a central question in multi-disciplinary research and has contributed to a wide range of applications. The ability to foresee human activities has essential implications in many aspects of cellular networks. In particular, the high availability of mobility prediction can enable various application scenarios such as location-based recommendation, home automation, and location-related data dissemination; the better understanding of mobile data traffic demand can help to improve the design of solutions for network load balancing, aiming at improving the quality of Internet-based mobile services. Although a large and growing body of literature has investigated the topic of predicting human mobility, there has been little discussion in anticipating mobile data traffic in cellular networks, especially in spatiotemporal view of individuals.For understanding human mobility, mobile phone datasets, consisting of Charging Data Records (CDRs), are a practical choice of human footprints because of the large-scale user populations and the vast diversity of individual movement patterns. The accuracy of mobility information granted by CDR depends on the network infrastructure and the frequency of user communication events. As cellular network deployment is highly irregular and interaction frequencies are typically low, CDR data is often characterized by spatial and temporal sparsity, which, in turn, can bias mobility analyses based on such data and cause the loss of whereabouts in individual trajectories.In this thesis, we present novel solutions of the reconstruction of individual trajectories and the prediction of individual mobile data traffic. Our contributions address the problems of (1) overcoming the incompleteness of mobility information for the use of mobile phone datasets and (2) predicting future mobile data traffic demand for the support of network management applications.First, we focus on the flaw of mobility information in mobile phone datasets. We report on an in-depth analysis of its effect on the measurement of individual mobility features and the completeness of individual trajectories. In particular, (1) we provide a confirmation of previous findings regarding the biases in mobility measurements caused by the temporal sparsity of CDR; (2) we evaluate the geographical shift caused by the mapping of user locations to cell towers and reveal the bias caused by the spatial sparsity of CDR; (3) we provide an empirical estimation of the data completeness of individual CDR-based trajectories. (4) we propose novel solutions of CDR completion to reconstruct incomplete. Our solutions leverage the nature of repetitive human movement patterns and the state-of-the-art data inference techniques and outperform previous approaches shown by data-driven simulations.Second, we address the prediction of mobile data traffic demands generated by individual mobile network subscribers. Building on trajectories completed by our developed solutions and data consumption histories extracted from a large-scale mobile phone dataset, (1) we investigate the limits of predictability by measuring the maximum predictability that any algorithm has potential to achieve and (2) we propose practical mobile data traffic prediction approaches that utilize the findings of the theoretical predictability analysis. Our theoretical analysis shows that it is theoretically possible to anticipate the individual demand with a typical accuracy of 75% despite the heterogeneity of users and with an improved accuracy of 80% using joint prediction with mobility information. Our practical based on machine learning techniques can achieve a typical accuracy of 65% and have a 1%~5% degree of improvement by considering individual whereabouts.In summary, the contributions mentioned above provide a step further towards supporting the use of mobile phone datasets and the management of network operators and their subscribers.