✅作者简介:热爱科研的Matlab仿真开发者,擅长毕业设计辅导、数学建模、数据处理、算法改进、程序设计科研仿真。
🍎 往期回顾关注个人主页:完整代码获取 定制创新 论文复现私信
🍊个人信条:做科研,博学之、审问之、慎思之、明辨之、笃行之,是为:博学慎思,明辨笃行。
🔥 内容介绍
正交时频空(Orthogonal Time Frequency Space, OTFS)是面向高移动性通信场景的新一代二维调制技术,它将传统时频域的信号映射到时延-多普勒(DD)域,利用该域信道的准稀疏准静态特性,从根源上解决传统OFDM系统在高多普勒场景下子载波正交性破坏、载波间干扰严重的核心痛点。本研究在Matlab环境下搭建完整的端到端OTFS通信仿真链路,在AWGN信道环境下完整实现逆 symplectic 有限傅里叶变换(ISFFT)与 symplectic 有限傅里叶变换(SFFT)核心变换流程,支持QAM调制方式下不同信噪比SNR对应的误码率BER性能自动计算,同时对比相同参数配置下传统OFDM系统的性能差异。仿真实验结果表明,在AWGN静态信道环境下,OTFS系统的误码率性能与传统OFDM系统基本一致,当SNR大于12dB时,16-QAM调制的OTFS系统误码率可降至10^-3以下,完全满足基础通信链路的传输可靠性要求,为后续进一步拓展高多普勒时变信道下的OTFS性能研究提供了高可靠的基准仿真框架。
关键词:OTFS通信系统;AWGN信道;ISFFT/SFFT变换;QAM调制;误码率性能评估
一、引言
在高速铁路通信、车联网、低轨卫星通信等高移动性场景中,无线信道的多普勒频移会随终端移动速度同步显著增大,传统OFDM调制技术将整个信息符号映射到时频域网格上,当信道随时间快速变化时,不同子载波之间的正交性会被多普勒效应破坏,产生严重的载波间干扰,导致系统通信性能出现断崖式下跌。OTFS调制技术作为近年来通信领域的突破性技术,其核心创新点是将所有信息符号直接映射到时延-多普勒二维域,而非传统的时频域。在时延-多普勒域中,绝大多数无线信道的响应都呈现出天然的稀疏准静态特性,信道参数不会随时间发生快速变化,这一特性让OTFS系统天然具备极强的抗高多普勒能力,成为6G移动通信的核心候选技术之一。为了清晰揭示OTFS系统的基础传输特性,本研究在最基础的AWGN加性高斯白噪声信道环境下搭建完整的端到端OTFS通信仿真链路,完整实现ISFFT与SFFT核心二维变换流程,基于不同阶数QAM调制完成从比特映射到误码率统计的全流程仿真,定量评估OTFS系统在AWGN信道下的BER-SNR性能曲线,为后续复杂时变信道下的OTFS性能研究打下坚实的基准基础。
二、OTFS系统完整架构设计
本仿真搭建的OTFS通信系统整体分为发送端处理、AWGN信道传输、接收端处理三大核心模块,系统核心参数配置如下:子载波数量M=64,每帧时域符号数量N=16,系统采样频率设置为960kHz,子载波间隔15kHz,循环前缀CP长度设置为16,调制方式支持BPSK、4-QAM、16-QAM三种可选模式,信噪比SNR的扫描范围设置为0~20dB,步进1dB。
2.1 发送端完整处理流程
OTFS发送端的信号处理流程完全围绕时延-多普勒域与时频域之间的二维变换展开:
比特流生成与QAM调制:随机生成指定长度的二进制比特流,通过格雷编码映射为对应的QAM复值符号,将调制后的符号排列为N行M列的二维时延-多普勒域符号矩阵X_DD,其中N对应时域符号维度,M对应子载波维度;
ISFFT逆辛傅里叶变换:对DD域二维符号矩阵执行逆辛有限傅里叶变换,将信号从时延-多普勒域转换到时频域,得到时频域二维符号矩阵X_TF。ISFFT的数学本质是先沿矩阵的多普勒维度执行N点归一化逆离散傅里叶变换,再沿时延维度执行M点归一化离散傅里叶变换,通过这一步变换完成OTFS特有的二维域映射;
海森堡变换与OFDM调制:对时频域矩阵X_TF执行海森堡变换,将二维时频域符号序列转换为对应的时域发射波形,在每一个OFDM符号的头部插入循环前缀CP,消除后续多径信道下的符号间干扰,最终将完整的发射信号送入AWGN信道。
2.2 AWGN信道传输模型
本研究采用标准的加性高斯白噪声信道模型,信道不对信号产生任何多径与时变多普勒损伤,仅在发射信号上叠加满足复高斯分布的随机噪声,噪声的功率根据当前设置的信噪比SNR与信号的平均功率精确计算,保证不同SNR档位下的噪声功率完全符合理论定义,为后续误码率性能的定量评估提供公平可信的信道环境。
2.3 接收端完整处理流程
接收端执行与发送端完全反向的信号处理流程:
同步与CP去除:对接收到的时域信号完成时间同步,去除每个OFDM符号头部的循环前缀CP,通过FFT运算将时域波形转换回时频域二维符号矩阵Y_TF;
SFFT辛傅里叶变换:对时频域二维符号矩阵Y_TF执行辛有限傅里叶变换,将信号从时频域转换回时延-多普勒域,得到DD域的接收符号矩阵Y_DD。SFFT变换是ISFFT的逆过程,先沿矩阵的时延维度执行M点归一化逆离散傅里叶变换,再沿多普勒维度执行N点归一化离散傅里叶变换,完成二维域的反向映射;
符号均衡与QAM解调:在DD域对接收符号执行简单的单抽头线性均衡,补偿AWGN信道带来的幅值与相位偏移,随后对均衡后的符号执行QAM解调,映射得到接收比特流;
误码率统计:将解调得到的接收比特流与发送端原始比特流逐位对比,统计错误比特的总数量,计算当前SNR档位下的误码率BER。
⛳️ 运行结果
🔗 参考文献
🍅更多免费数学建模和仿真教程关注领取
🏆团队擅长辅导定制多种科研领域MATLAB仿真,助力科研梦:
#各类智能优化算法改进及应用
#生产调度 #经济调度 #装配线调度 #充电优化 #车间调度 #发车优化 #水库调度 #三维装箱 #物流选址 #货位优化 #公交排班优化 #充电桩布局优化 #车间布局优化 #集装箱船配载优化 #水泵组合优化 #解医疗资源分配优化 #设施布局优化 #可视域基站和无人机选址优化 #背包问题 #风电场布局 #时隙分配优化 #最佳分布式发电单元分配 #多阶段管道维修 #工厂-中心-需求点三级选址问题 #应急生活物质配送中心选址 #基站选址 #道路灯柱布置 #枢纽节点部署 #输电线路台风监测装置 #集装箱调度 #机组优化 #投资优化组合 #云服务器组合优化 #天线线性阵列分布优化 #CVRP问题 #VRPPD问题 #多中心VRP问题 #多层网络的VRP问题 #多中心多车型的VRP问题 # 动态VRP问题 #双层车辆路径规划(2E-VRP) #充电车辆路径规划(EVRP) #油电混合车辆路径规划 #混合流水车间问题 #订单拆分调度问题 #公交车的调度排班优化问题 #航班摆渡车辆调度问题 #选址路径规划问题 #港口调度 #港口岸桥调度 #停机位分配 #机场航班调度 #泄漏源定位 #冷链 #时间窗 #多车场等 #选址优化 #港口岸桥调度优化 #交通阻抗 #重分配 #停机位分配 #机场航班调度 #通信上传下载分配优化
#机器学习和深度学习时序 #回归 #分类 #聚类和降维
#bp时序 #回归预测和分类
#ENS声神经网络时序 #回归预测和分类
#SVM#CNN-SVM#LSSVM#RVM支持向量机系列时序
#CNN#TCN#GCN卷积神经网络系列时序
#ELM#KELM#RELM#DELM极限学习机系列时序
#GRU#Bi-GRU#CNN-GRU#CNN-BiGRU门控神经网络时序
#ELMAN递归神经网络时序
#LSTM#BiLSTM#CNN-LSTM#CNN-BiLSTM/长短记忆神经网络系列时序
#RBF径向基神经网络时序