做通信物理层的人,迟早会撞上这类标题:数字信号调制、OFDM、OCDM、SCMA、OTFS,再挂一串带 O- 前缀的光学变种。第一次看到 O-OFDM、O-OTFS 这种命名,很容易以为只是“拿来换个前缀”,实际根本不是那回事。射频链路里好用的波形,搬到光域信号模型直接变掉,强度调制和直接检测机制会把许多射频经验彻底推翻。这篇文章就干一件事:把这套波形家族里里外外拆开,射频侧怎么设计、光域侧要做什么适配、为什么某个方案在某个场景比另一个更靠谱,以及我在仿真和实测中踩过的那些坑。适合正在做波形选型、想入门新型多载波调制,或者单纯想弄明白 OTFS 和 SCMA 到底在折腾什么的同学。
1. 射频调制方案全景:从OFDM到OTFS
1.1 OFDM:时频资源格上的经典玩法
OFDM 的核心是把高速数据流切到 N 个并行的窄带子载波上,让每个子载波内部的信道近似平坦,再用子载波之间的正交性把它们在接收端分开。这套思路最妙的地方是:小区半径里那些拖得很长的多径时延,只要控制在循环前缀(CP)长度以内,就不会跨符号污染。
我一直喜欢用停车场来理解 OFDM:每个子载波是一条独立的窄车位,车与车之间靠“正交”这根线画好边界,互相不碰。发送端做一次 IFFT 就是“把车摆进位”,接收端做 FFT 就是“按编号取车”。整个编排在时频网格上非常规整,这也是 4G、5G、WiFi 到现在都离不开它的原因。工程实现上,OFDM 最大的魅力在于复杂度集中在 FFT/IFFT 上,有大量成熟的硬件 IP 和开源代码可用,只要把 CP 长度、子载波间隔、采样率配好,链路基本就能跑起来。
但 OFDM 的账也要算清楚:它抗时延扩展强,是因为 CP 本身是开支;它抵抗多普勒频移的能力却很脆弱,子载波间隔一旦小于信道时间选择性带来的频率弥散,正交性就崩了,子载波之间会漏成一片,这就是所谓“时延与多普勒不能兼顾”的经典矛盾。
1.2 OFDM-IM:用静默传递信息的索引调制
OFDM-IM 是 OFDM 家族里思路相当“取巧”的一支。它把子载波分成若干组,每组里只激活一部分子载波传输星座符号,剩下那些被置零的子载波并不是浪费,而是通过“哪几个位置被激活”这个状态来额外编码信息。
这相当于你在停车场的每个车位组里,除了车里装的东西,还用“哪些车位空了”来传递了一条额外的消息。接收端先要判断哪些子载波是有能量的,再从激活位置和星座符号里同时解码。判断位置这一步天然增加了接收机的复杂度,常用能量检测配合最大似然或者对数似然比来完成,复杂度比普通 OFDM 高出不少。
它的价值在于:零子载波不耗发射能量,却同样能携带信息,因此比 OFDM 更省功率,峰均比也更低,这正好切中光通信里功率受限的场景。代价是频谱效率在特定调制阶数下略打折扣,而且检测性能高度依赖能量判决的可靠性,信道估计稍有偏差,索引那部分比特就很容易全部报错。
1.3 OCDM:chirp铺路的第三种格局
OCDM(正交 chirp 复用)很多人第一次听会觉得陌生,其实它的逻辑也很好懂:OFDM 的基函数是一组频率依次排列的正弦波,OCDM 的基函数则是一组频率随时间连续变化的 chirp 波形。这组 chirp 在时频面上画出来不是笔直的横线,而是一排斜向的“条纹”。
OFDM 把信号能量铺在一根根竖直的子载波上,信道如果不随时间剧烈变化,这种布局就很好。一旦时延和多普勒同时在变,子载波内部的平坦性就会受损,能量开始向相邻子载波泄漏。OCDM 因为每路信号自身就在时频域“滚动”,对双弥散信道反而更皮实一些,BER 曲线在高移动条件下通常比 OFDM 更稳。实现上可以借助离散菲涅尔变换(DFT 加 chirp 相位旋转再加 IFFT)的方式完成,复杂度与 OFDM 保持在同一量级。
我一直觉得 OC 系波形最大的价值不是测出来比 OFDM 好多少个 dB,而是它提供了另一个正交坐标系。工程里遇到既有多径又有大频偏的难缠信道,与其在 OFDM 上调保护间隔,不如换个坐标系重新安排能量,这个思路在光域适配时会再放一次光。
1.4 SCMA:多维码本承载多用户
SCMA 严格说不是一种单用户波形,而是一种稀疏码多址接入方式。它把每个用户的比特流先映射到一个高维复数码本,多个用户的码字在同一组时频资源上叠加传输,接收端利用码字的稀疏结构做消息传递算法(MPA)分离。
直观理解就是:同一片频谱上好几个用户同时在说话,每个人嗓门大小和口音不同,SCMA 用多维码本把每个人的“声纹”差异化,接收机再根据叠加后的混合信号,反推出每个人具体说了什么。因为码本是稀疏的,每维资源上只有少量用户同时占用,MPA 在因子图上迭代几次就能稳定收敛,不需要像线性检测那样做矩阵求逆。
SCMA 最大的卖点是免调度和海量连接,非常适合物联网这类大量小包突发场景。它的痛点则集中在码本设计的搜索空间爆炸、MPA 迭代次数随用户数增长明显变慢,以及误比特率性能对功率不平衡非常敏感这几处。码本一旦选得差,过载增益还没吃到,解码门限先抬上去好几个 dB,所以我一直建议做 SCMA 系统的人先把码本结构和功率归一化固定好,再谈 BER 对比。
1.5 OTFS:在多普勒栅栏上重新排兵布阵
OTFS 是这批方案里“坐标系革命”最彻底的一个。OFDM 把数据铺在时间-频率域,而 OTFS 先把调制网格放在时延-多普勒域,再通过二维辛有限傅里叶变换(ISFFT)映射回传统时间-频率资源块上进行发射。
时延-多普勒域里,高速移动信道的响应变得非常稀疏且准静态,每一条路径只是固定位置上的一个脉冲。这样设计的收益是巨大的:接收端不需要跟着信道快速时变去逐符号追赶,而是把这帧数据的整体时变效应摊开在二维域里去处理,从而把高多普勒环境下 OFDM 的载波间干扰“吸收”成分集增益。我在高铁、低轨卫星这类场景下推过链路级性能,OTFS 在 BER 上的优势通常需要结合判决反馈干扰消除或者消息传递检测才能真正兑现,不能用简单的 MMSE 线性均衡一笔带过。
工程上,OTFS 的网格参数 N(多普勒域符号数)和 M(时延域符号数)决定了一帧数据的分辨率:时延分辨率约 1/(M·Δf),多普勒分辨率约 1/(N·T)。网格开得越大,分辨率越高,但帧内生延展带来的边缘泄漏也越多,窗函数和导频图案都得跟着重新设计。这里没有免费午餐,选型时需要在分集增益、复杂度和时延之间做平衡。
2. 射频侧四类方案怎么选:一次横向对表
2.1 关键指标口径与公平比较
把 OFDM、OFDM-IM、OCDM、SCMA、OTFS 摆在一起比较之前,我建议先统一参数口径。否则完全没法比:OFDM 的符号速率、循环前缀长度、导频开销、接收机算法,每一项都影响结果。
我自己的习惯是固定信息速率和频带宽度,再让各方案跑相同的信道模型和相同的编解码方式。比如让 OFDM 和 OTFS 都工作在相同的时频资源块大小、相同调制阶数、相同导频开销比条件下,只比较波形本身带来的差异。这种“公平对表”出来的结论才有选型参考价值,否则只能看到各种方案在各自舒适区里的最优表演。
2.2 场景导向的选型逻辑
很难说哪个方案永远第一,只能说哪个方案在特定场景最省心。下面这张表我平时做预研时经常直接拿来当决策底稿:
| 方案 | 设计域 | 抗多径衰落 | 抗多普勒频移 | 频谱效率 | 接收机复杂度 | 典型场景 |
|---|---|---|---|---|---|---|
| OFDM | 时频域 | 强(CP内) | 弱 | 高 | 低 | 蜂窝下行、WiFi、固定接入 |
| OFDM-IM | 时频域+索引 | 强 | 弱 | 中高(低阶时) | 中 | 能量受限、低峰值场景 |
| OCDM | 分数傅里叶域 | 较强 | 较强 | 高 | 中 | 双弥散信道、水下声学 |
| SCMA | 码域 | 受码本影响 | 受框架影响 | 高(过载时) | 中高 | 海量连接、免调度物联 |
| OTFS | 时延-多普勒域 | 强 | 极强 | 高 | 中高 | 高铁、卫星、车联网高动态 |
几个具体判断:如果环境是低速宽带接入,OFDM 几乎无脑选,成熟度和硬件生态摆在那里。如果链路移动性很强、多普勒扩展动不动几千赫兹,直接看 OTFS,别指望 OFDM 靠缩小子载波间隔硬撑,那样只会让 CP 开销和相位噪声一起变糟。如果是海量短包接入,SCMA 的免调度优势最明显,但接收机算力要预留好 MPA 的迭代余量。OFDM-IM 更像一个能随时插进 OFDM 系统的“节能补丁”,在功率放大器回退受限的链路上很有价值。
2.3 工程实现上的隐藏成本
纸面比较之外,有几项成本经常被年轻人忽略。第一项是峰均比(PAPR)。多载波信号固有的高峰值会把功放逼到非线性区,为了保持线性度只能回退功率。OFDM、OCDM、OTFS 都带着这根软肋,OFDM-IM 因为部分子载波置零反而相对友好。第二项是同步精度要求。OTFS 对时延-多普勒分辨率的依赖意味着任何一个同步残差都会直接污染二维网格,实际联调时要求的同步精度往往比 OFDM 还要苛刻。第三项是 MIMO 扩展。OFDM 和 OTFS 在 MIMO 里的独立数据流设计相对成熟,而 SCMA 叠加用户与多天线流之间的配对空间很大,但也意味着资源调度复杂度成倍上涨。
如果只看实验室曲线就拍板选型,后面大概率会在硬件集成阶段回吐收益。我通常建议把同步算法、信道估计、PA 模型这些非理想因素先加入链路级仿真,再回看方案差距还剩多少。
3. 光学侧的光调制方案:强度调制带来的条条框框
3.1 为什么射频方案不能直接搬到光域
把射频波形“翻译”到光域前,必须先接受一个硬约束:强度调制/直接检测(IM/DD)系统里,信息加载在光功率上,信号必须是实数值、非负且单极性。射频通信里习以为常的复数 IQ 信号在光强度通道里根本不存在,你没法直接传一个“负的光功率”。这就导致所有复数基带方案落到 IM/DD 链路里都要做改造:先把复数转成实数,再把双极性波形抬成单极性。
O- 前缀的含义就在这里。O-OFDM、O-OTFS 都不是简单在前面加个字母,而是在信号模型里多做了两层变换。成本加倍,约束加倍,最后解码时还得把这些变换逐一还原回去。
3.2 O-OFDM两种主流实现与取舍
O-OFDM 是目前光接入网研究最充分的方向,工程上大体两条路。DCO-OFDM 的思路最直接:既然信号有正有负,那就整体加上一个直流偏置,把所有负值抬到零以上。代价是直流偏置本身不携带信息,却实打实消耗发射光功率,功率效率很低;相当于背着块铁砖跑步,载荷一大,效率马上难看。ACO-OFDM 走的是另一条路径:只用奇数索引的子载波承载数据,偶数子载波全部置零,限幅后偶数子载波上只残留奇偶互调带来的噪声,有效数据不受损伤,因此不需要直流偏置,光功率效率比 DCO 高不少,代价是频谱利用率折掉一半。
我实测过这两种方案的接收灵敏度差异,在 16QAM、BER=3.8e-3 这个典型门限附近,ACO-OFDM 通常比 DCO-OFDM 有 3~5 dB 的光功率优势,具体数取决于直流偏置设多高。代价就是数据速率上不去,所以在要求高速率且功放预算够的场景,DCO 反而更常用。选哪个,本质上是“用带宽换功率”还是“用功率换带宽”的选择。
3.3 O-OCDM、O-OTFS、O-OFDM-IM与O-SCMA的适配思路
O-OCDM 的适配思路和 ACO-OFDM 很接近:将一个 OCDM 帧里的 chirp 层按奇偶分组,只激活奇数层承载数据,偶数层置零,随后限幅构造非负单极性信号。因为 chirp 层在分数傅里叶域是相互正交的,限幅对偶数层的损伤不会串扰到奇数层,功率效率比直接加直流偏置的 OCDM 更理想。这个方案目前更多停留在仿真层面,但思路和 ACO 完全同构,工程落地难度不大。
O-OTFS 是这几条路里最费脑子的。OTFS 的原生信号是复数的时频二维结构,想在 IM/DD 里用,得先对数据网格做 Hermitian 对称扩展,使得 ISFFT 之后的时域波形变成实值信号,再通过直流偏置或限幅构造单极性。这里的难点在于:Hermitian 扩展把可用子载波减半,OTFS 本身引以为傲的分集优势也会因为功率开销变大而被消掉一点。另一种方案是用希尔伯特变换构造实值带通 O-OTFS,能在一定程度上绕开一半带宽代价,但接收端的 I/Q 重构精度会敏感得多。
O-OFDM-IM 反而相当契合光链路。索引调制天然存在大量零功率子载波,这些零子载波在 IM/DD 里正好不用贡献光功率,而且低 PAPR 的特性对激光器和调制器的线性度要求也更宽松。可以说 OFDM-IM 是为了省电而生的,到了光域更是如鱼得水。
O-SCMA 则是把多用户叠加和光接入结合,在光域用功率域或码域区分用户。实线过程中最恼火的是光噪声、削波噪声和用户间干扰混在一起,MPA 迭代时一旦噪声方差估计不准,误码率就会快速抬升。我在仿真里观察过,O-SCMA 要想取得比 O-OFDM 明显的过载增益,必须先把激光器噪声和削波噪声的统计特性估计准,否则码本越大反而越容易发散。
4. 射频与光学方案的横向对比:同一波形味道不同
4.1 一一对应关系与迁移成本
射频侧和光学侧的五种方案可以一一对应,但迁移成本完全不是一个量级。我把常用对应关系整理成了下面这张表,做光接入预研时可以对照着看:
| 射频原始方案 | 光域版本 | 核心适配手段 | 功率代价 | 频谱代价 | 接收机额外变化 |
|---|---|---|---|---|---|
| OFDM | O-OFDM | 直流偏置或奇偶子载波限幅 | DCO高/ACO低 | ACO减半 | 需要直流分量恢复 |
| OFDM-IM | O-OFDM-IM | 索引+零子载波直接适配 | 低 | 与索引效率相关 | 功率判决 |
| OCDM | O-OCDM | 奇数chirp层+限幅 | 低 | 约50% | 菲涅尔域变换+I/Q恢复 |
| SCMA | O-SCMA | 码本叠加+噪声方差估计 | 中 | 过载补偿 | MPA迭代 |
| OTFS | O-OTFS | Hermitian对称或Hilbert变换 | 中高 | 50%左右或I/Q精度受限 | ISFFT+实数约束还原 |
从这张表能看出,每种光域版本都要“交过路费”,要么交功率,要么交带宽,要么交接收机复杂度。OCDM 和 OFDM-IM 迁移后在光功率上相对乐观,原因是低 PAPR 与 IM/DD 天然合拍。OTFS 在光域同样保留住了抵抗快速时变信道的潜力,但这要建立在接收机能准确还原实值约束的前提下。
4.2 光信噪比与非线性失真视角
对比射频和光学方案时,另一个容易忽略的口径差异是噪声模型。射频链路里 AWGN 是绝对主导,而光 IM/DD 链路里散粒噪声、相对强度噪声、削波限幅带来的非线性失真常常压过加性噪声。很多在射频域看起来漂亮的技术优势,搬到光域后得重新画 BER 曲线,横坐标也不再是 Eb/N0,而是光信噪比,甚至直接是接收光功率。
因此我的建议是:别把射频侧选型的直觉直接搬过来。比如 OFDM 在射频里不抗大频偏,但在光域里频偏不是主要矛盾,O-OFDM 反而因为实现简单成为主力。反过来,OTFS 在射频里靠多普勒分集封神,到光域里如果不解决 Hermitian 对称带来的谱效损失,分集收益会被开销吃掉大半。复杂度、谱效、功效率三者之间的跷跷板,在光域里摆得更加剧烈。
5. 选型建议与工程防坑手册
5.1 从需求倒推方案:一张决策清单
选型这件事,我向来不主张先挑波形再找场景,而是先回答一串问题,答案自然指向某个方向。你可以把下面这些问题当作一张决策清单:
- 信道是否是双弥散信道?时延扩展大且多普勒扩展也大,优先考虑 OTFS 或 OCDM。
- 用户是否海量且包突发?连接数很大、调度信令开销耗不起,SCMA 的免调度优势最明显。
- 能耗和功放线性度是否限制严格?回退预算吃紧,OFDM-IM 或 O-OCDM 这类低 PAPR 方案更稳。
- 接收机算力是否有限?算力不够别硬上 SCMA,MIMO+MPA 的组合很容易把 DSP 算力吃穿。
- 光链路是 IM/DD 还是相干?IM/DD 就老老实实看 ACO 思路下的 O- 系列,相干系统则可以回归射频原生方案。
做完这几轮问答,候选基本能收窄到一个或两个方案。剩下的差异就可以靠链路级仿真来精挑细选。
5.2 仿真和实测里踩过的坑
先说我试过印象最深的坑:公平性口径不一致导致对比结果完全失真。有次为了证明 OTFS 比 OFDM 好,我把 OTFS 的导频开销压到很低,结果在线传输性能自然好看,但把导频开销一拉齐,差距立刻缩小到 1 dB 以内。从那以后我给自己立了条规矩:任何波形的对比,先把每帧导频数、CP 长度、调制阶数、信道编码率全部校准,再谈 BER。
第二是 ACO-OFDM 的偶数子载波坑。教科书上说偶数子载波在限幅后只残留噪声,实际上限幅是非线性操作,偶数子载波上会出现数据的镜像干扰,只是对奇数子载波的数据解调影响较小。仿真时如果用单一的正弦限幅模型而忽略偶数载波上的残余能量,接收灵敏度会被高估,实测时就会对不上。
第三是 OTFS 网格参数的选择。多普勒分辨率 1/(NT) 听起来越大越好,但 T 是符号周期,做长帧会让信道在帧内不再准静态,分数多普勒泄漏反而增加。正确做法是让最大多普勒频率对应网格最多覆盖一两格,必要时配合窗函数压泄漏,而不是盲目开大网格。
第四是 OCDM 的 chirp 参数闭环。chirp 信号对方位向相位噪声极其敏感,仿真里如果直接把理想的 chirp 序列放进链路不建模相位噪声,测出来的增益基本是空中楼阁。我后来习惯给 OCDM 加一个相位噪声自估计模块再跑曲线。
第五是 SCMA 功率分配。不同用户信道差很大时,如果直接按等功率发,弱用户的码字会被强用户完全淹没,MPA 迭代会停在错误概率很高的不动点。需要根据信道增益做注水式功率分配,或者使用迭代多用户检测,否则过载优势根本发挥不出来。
5.3 常见问题速查表
最后整理一张排查表,平时遇到问题可以直接照着查方向:
| 症状 | 定位方向 | 处理建议 |
|---|---|---|
| OTFS 在低移动信道反而不如 OFDM | 网格开太大,帧内信道不再准静态 | 减小帧长、优化分辨率和导频图案 |
| ACO-OFDM 实测灵敏度比仿真差 | 限幅模型过度理想化,偶数子载波噪声被忽略 | 改用实际限幅曲线做非线性建模 |
| SCMA 过载后 BER 急剧恶化 | 弱用户被强用户淹没,功率不均衡 | 增加功率分配或改迭代检测策略 |
| OCDM 仿真增益连环下降 | 相位噪声未被建模或 chirp 同步不准 | 增加相位噪声估计模块、闭环 chirp 参数 |
| O-OTFS 功率预算严重超支 | Hermitian 对称造成谱效减半 | 评估相干方案或希尔伯特变换带通方案 |
这张表不能替代仿真,但能帮你在问题出现时少走半天弯路。
6. 我的一点选型体会
做完这轮射频和光域波形的横向对比,我最大的体会是:选型前先把信道写成时延-多普勒函数,再决定用哪个域承载数据。RF 侧这么做,OFDM 和 OTFS 的选择基本不会出大错;光域侧多一道强度调制的实数约束,方案的取舍也随之清晰。最后分享一个实用小技巧:判断一个系统到底该用 OFDM 还是 OTFS,先看信道相干时间对符号周期的倍数,再看相干带宽对子载波间隔的倍数。前者小于 1 就说明多普勒严重、需要 OTFS,后者大于 1 则说明多径严重、OFDM 加 CP 足够应付。两维都紧张的时候,再考虑 OCDM 这类斜格子方案或叠加 MIMO 分集去兜底。这套判断流程我用了很多年,踩过的坑换来的经验,希望能帮你少走几步弯路。