{"id":{"repo_id":"ets-quebec","oai_identifier":"oai:espace.etsmtl.ca:3717"},"canonical_url":"https://search.ndltd.org/etd/ets-quebec/oai:espace.etsmtl.ca:3717","repository":{"repo_id":"ets-quebec","name":"ETS (Quebec)","base_url":"https://espace.etsmtl.ca/cgi/oai2"},"display":{"title":"Optimisation de la liaison montante d’un système de communication multi-utilisateur assisté par des surfaces intelligentes vers une plateforme aérienne à haute altitude","abstract":"Ce mémoire s’intéresse à l’optimisation des communications montantes dans un système de télécommunication intégré plateforme à haute altitude (HAPS)–surface intelligente (RIS), où les utilisateurs partagent les ressources du HAPS et les éléments réfléchissants d’une surface intelligente RIS. Après une modélisation précise des canaux utilisateurs–HAPS et RIS–HAPS selon une distribution Nakagami-m, le problème est formulé comme une optimisation conjointe des puissances d’émission et des phases RIS afin de maximiser la somme des débits du système. Cette optimisation est contrainte par des exigences minimales de qualité de service (QoS) pour chaque utilisateur. Divers algorithmes d’optimisation sont explorés, y compris une méthode aléatoire (Random) servant de référence de base, qui est développée en une méthode de base (Baseline) partiellement aléatoire, quantifiant quelques paramètres (tels que la puissance et le déphasage RIS), ainsi que des algorithmes métaheuristiques tels que l’algorithme d’optimisation baleine (WOA), l’optimisation par essaim de particules (PSO) et l’optimisation itérative proposée, i.e., optimisation alternée (AO). Les résultats numériques permettent de comparer ces approches selon plusieurs paramètres système (ex : nombre d’antennes, puissance maximale, etc.), en mettant en évidence les compromis entre performance et complexité algorithmique.","abstract_html":"Ce mémoire s’intéresse à l’optimisation des communications montantes dans un système de télécommunication intégré plateforme à haute altitude (HAPS)–surface intelligente (RIS), où les utilisateurs partagent les ressources du HAPS et les éléments réfléchissants d’une surface intelligente RIS. Après une modélisation précise des canaux utilisateurs–HAPS et RIS–HAPS selon une distribution Nakagami-m, le problème est formulé comme une optimisation conjointe des puissances d’émission et des phases RIS afin de maximiser la somme des débits du système. Cette optimisation est contrainte par des exigences minimales de qualité de service (QoS) pour chaque utilisateur. Divers algorithmes d’optimisation sont explorés, y compris une méthode aléatoire (Random) servant de référence de base, qui est développée en une méthode de base (Baseline) partiellement aléatoire, quantifiant quelques paramètres (tels que la puissance et le déphasage RIS), ainsi que des algorithmes métaheuristiques tels que l’algorithme d’optimisation baleine (WOA), l’optimisation par essaim de particules (PSO) et l’optimisation itérative proposée, i.e., optimisation alternée (AO). Les résultats numériques permettent de comparer ces approches selon plusieurs paramètres système (ex : nombre d’antennes, puissance maximale, etc.), en mettant en évidence les compromis entre performance et complexité algorithmique.","abstract_has_math":false,"creators":["Msilini, Nessrine"],"institution":"École de technologie supérieure","degree_name":"Mémoire de maîtrise électronique","degree_level":"masters","degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2025,"date_issued":"2025-08-29","date_published":"2025-08-29","updated_at":"2026-11-18T22:10:50Z","subjects":["HAPS, RIS, optimisation"],"languages":["fr"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["INSERT-YOUR-LIBRARY-ID-HERE3717"],"render_values":[{"text":"INSERT-YOUR-LIBRARY-ID-HERE3717","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":null,"outbound_label":null,"outbound_source":null,"record_url":null,"record_label":null,"record_kind":null,"record_source":null,"download_url":"https://espace.etsmtl.ca/id/eprint/3717/1/Msilini_Nessrine.pdf","download_label":"Download PDF","download_source":"dc:identifier","access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://espace.etsmtl.ca/cgi/oai2?verb=GetRecord&metadataPrefix=oai_etdms&identifier=oai%3Aespace.etsmtl.ca%3A3717","prefix":"oai_etdms"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Msilini, Nessrine"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2025-08-29"]},{"key":"dc:publisher","label":"Institution","values":["École de technologie supérieure"]},{"key":"dc:type","label":"Dc Type","values":["Electronic Thesis or Dissertation"]},{"key":"thesis:degree_level","label":"Degree Level","values":["masters"]},{"key":"thesis:degree_name","label":"Degree Name","values":["Mémoire de maîtrise électronique"]},{"key":"thesis:institution_name","label":"Thesis Institution Name","values":["École de technologie supérieure"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["HAPS, RIS, optimisation"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["fr"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["INSERT-YOUR-LIBRARY-ID-HERE3717","https://espace.etsmtl.ca/id/eprint/3717/1/Msilini_Nessrine.pdf"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Ce mémoire s’intéresse à l’optimisation des communications montantes dans un système de télécommunication intégré plateforme à haute altitude (HAPS)–surface intelligente (RIS), où les utilisateurs partagent les ressources du HAPS et les éléments réfléchissants d’une surface intelligente RIS. Après une modélisation précise des canaux utilisateurs–HAPS et RIS–HAPS selon une distribution Nakagami-m, le problème est formulé comme une optimisation conjointe des puissances d’émission et des phases RIS afin de maximiser la somme des débits du système. Cette optimisation est contrainte par des exigences minimales de qualité de service (QoS) pour chaque utilisateur. Divers algorithmes d’optimisation sont explorés, y compris une méthode aléatoire (Random) servant de référence de base, qui est développée en une méthode de base (Baseline) partiellement aléatoire, quantifiant quelques paramètres (tels que la puissance et le déphasage RIS), ainsi que des algorithmes métaheuristiques tels que l’algorithme d’optimisation baleine (WOA), l’optimisation par essaim de particules (PSO) et l’optimisation itérative proposée, i.e., optimisation alternée (AO). Les résultats numériques permettent de comparer ces approches selon plusieurs paramètres système (ex : nombre d’antennes, puissance maximale, etc.), en mettant en évidence les compromis entre performance et complexité algorithmique."]},{"key":"dc:format","label":"Dc Format","values":["application/pdf"]},{"key":"dc:title","label":"Title","values":["Optimisation de la liaison montante d’un système de communication multi-utilisateur assisté par des surfaces intelligentes vers une plateforme aérienne à haute altitude"]}]}],"canonical_facts":{"dc:creator":["Msilini, Nessrine"],"dc:date":["2025-08-29"],"dc:description":["Ce mémoire s’intéresse à l’optimisation des communications montantes dans un système de télécommunication intégré plateforme à haute altitude (HAPS)–surface intelligente (RIS), où les utilisateurs partagent les ressources du HAPS et les éléments réfléchissants d’une surface intelligente RIS. Après une modélisation précise des canaux utilisateurs–HAPS et RIS–HAPS selon une distribution Nakagami-m, le problème est formulé comme une optimisation conjointe des puissances d’émission et des phases RIS afin de maximiser la somme des débits du système. Cette optimisation est contrainte par des exigences minimales de qualité de service (QoS) pour chaque utilisateur. Divers algorithmes d’optimisation sont explorés, y compris une méthode aléatoire (Random) servant de référence de base, qui est développée en une méthode de base (Baseline) partiellement aléatoire, quantifiant quelques paramètres (tels que la puissance et le déphasage RIS), ainsi que des algorithmes métaheuristiques tels que l’algorithme d’optimisation baleine (WOA), l’optimisation par essaim de particules (PSO) et l’optimisation itérative proposée, i.e., optimisation alternée (AO). Les résultats numériques permettent de comparer ces approches selon plusieurs paramètres système (ex : nombre d’antennes, puissance maximale, etc.), en mettant en évidence les compromis entre performance et complexité algorithmique."],"dc:format":["application/pdf"],"dc:identifier":["INSERT-YOUR-LIBRARY-ID-HERE3717","https://espace.etsmtl.ca/id/eprint/3717/1/Msilini_Nessrine.pdf"],"dc:language":["fr"],"dc:publisher":["École de technologie supérieure"],"dc:subject":["HAPS, RIS, optimisation"],"dc:title":["Optimisation de la liaison montante d’un système de communication multi-utilisateur assisté par des surfaces intelligentes vers une plateforme aérienne à haute altitude"],"dc:type":["Electronic Thesis or Dissertation"],"thesis:degree_level":["masters"],"thesis:degree_name":["Mémoire de maîtrise électronique"],"thesis:institution_name":["École de technologie supérieure"]},"updated_at":"2026-11-18T22:10:50Z"}