简介OTFS完整代码例程包面向数字通信与5G/6G物理层研究者以及希望深入理解正交时频空间调制技术的开发人员尤其适合高速移动与非视距场景下的仿真学习。代码覆盖OTFS调制、信道生成、接收解调、消息传递检测与干扰消除等关键环节并配套一篇OTFS调制与迭代检测的PDF参考论文便于读者结合理论快速上手。压缩包共7个文件以6个MATLAB脚本.m为主分别实现ISFFT/SFFT变换、循环前缀操作、信道响应生成、匹配滤波接收和检测器整体大小仅988KB轻量易运行可直接在MATLAB中跑通完整链路。资源已有3992人学习具备一定参考热度。通过该例程读者可掌握从时频域映射到译码输出的全过程理解匹配滤波在能量检测和符号定时中的作用同时获得可修改参数的模块化代码便于扩展为自己的通信系统研究工具。1. OTFS 完整代码例程把多径和多普勒一起装进调制网格做数字通信仿真的人大多都有这种体验OFDM 在静态或慢速信道下很漂亮一旦终端动起来多普勒频移一上来子载波正交性被打破误码率曲线直接翻车。OTFS 的思路很直接不跟时变信道在时频域硬扛而是把数据符号铺在时延-多普勒域让信道对该域的每个符号都表现为近似时不变的二维卷积。这份完整的 OTFS 代码例程正好覆盖了从 QAM 符号生成、ISFFT、海森堡变换到接收端匹配滤波与 SFFT 还原的全过程。适合刚学完 OFDM 想往下一代波形迈一步的人也适合需要一套可复现基线做对照实验的调制解调方向从业者。2. OTFS 发送端实现时延-多普勒域符号与两次变换2.1 为什么数据要放在时延-多普勒域而不是时频域在移动通信信道里多径效应带来时延扩展终端移动带来多普勒扩展。OFDM 把频带切成很多窄子载波本质上是在用频域资源对抗时延扩展但对多普勒扩展只能靠加大子载波间隔这在高速场景下会和 OFDM 符号长度产生矛盾。OTFS 选择另一条路把时间-频率域看成由时延域和多普勒域构成的二维平面。时延域对应信道多径的抽头位置多普勒域对应信道的频移分量。数据符号放在这个平面上信道响应矩阵就变成近似循环的结构均衡难度从二维时变滤波变成二维去卷积。例程采用的参数是 M64、N16。M 是时延维大小也就是等效子载波数N 是多普勒维大小等效于 OTFS 符号数。一帧内传输的 QAM 符号总数是 M*N1024。这两个数字不是随便定的M 决定系统能分辨的多径时延范围N 决定能分辨的多普勒频率范围。在同一个例程里把 M 或 N 改大帧长度和复杂度都会跟着涨后面第 5 章会讲怎么权衡。很多人第一次接触这个域会觉得抽象我习惯把 X_dd 想象成一个 M 行 N 列的二维网格行坐标是时延抽头列坐标是多普勒偏移每个格点上放一个复数 QAM 符号。收发两端做的事情就是把这个网格搬到实际发送波形上再从接收波形里把网格搬回来。2.2 ISFFT 实现时延维做 FFT、多普勒维做 IFFT%% OTFS 发送端参数与数据映射 M 64; % 时延维大小等效子载波数 N 16; % 多普勒维大小等效 OTFS 符号数 Q 4; % QAM 调制阶数4 即 QPSK cpLen 16; % 循环前缀长度需大于最大时延抽头 % 生成随机比特并映射为 QPSK 符号 txBits randi([0 1], M*N*log2(Q), 1); X_dd qammod(txBits, Q, InputType, bit, UnitAveragePower, true); X_dd reshape(X_dd, M, N); %% 逆辛傅里叶变换ISFFT X_tf fft(X_dd, M, 1) / sqrt(M); % 时延维 FFT X_tf ifft(X_tf, N, 2) * sqrt(N); % 多普勒维 IFFTISFFT 是 OTFS 和 OFDM 在信号处理上最直观的分界线。第一行沿着时延维维度 1做 M 点 FFT把时延-多普勒域的每一列变换到时延-频率域的中间表示第二行沿着多普勒维维度 2做 N 点 IFFT把时延-频率域的每一行再变换到时频域。两步合起来才是完整的 ISFFT。顺序不能反时延维对应的是多径抽头之间的延迟差在频域表现为乘性相位多普勒维对应的是随时间变化的相位旋转需要用 IFFT 把它合并到时频域。如果第一步用了 IFFT、第二步用了 FFT后面接收端解调出来的星座图会整体转置或者发生共轭这是 OTFS 例程最经典的一个翻车点。参数说明这里 FFT 和 IFFT 都带 1/sqrt(M)、sqrt(N) 的归一化目的是让变换前后符号功率保持一致。很多教材里写的是 X_tf F_M * X_dd * F_N^H其中的 F_M 就是归一化 DFT 矩阵落到 MATLAB 里就是 fft(...,M,1)/sqrt(M) 和 ifft(...,N,2)*sqrt(N)。用 1/M 或 1 这类归一化也能跑通闭环但接到 AWGN 信道后 SNR 会对不上后面避坑章节会专门讲。2.3 海森堡变换与加循环前缀把二维符号张成一维时域信号%% 海森堡变换等效 OFDM 调制 循环前缀 % 对时频域矩阵的每一列做 M 点 IFFT得到时域样本 s_time ifft(X_tf, M, 1); % M x N 时域矩阵 % 给每一列加循环前缀再按列串行发送 tx_cp [s_time(end-cpLen1:end, :); s_time]; tx_signal tx_cp(:).;海森堡变换这个名字听起来很重但在这个矩形脉冲例程里它就是标准的 OFDM 调制把时频域符号 X_tf 的每一列当作一个 OFDM 符号做 M 点 IFFT 变成时域波形再在每列前面拼接最后 cpLen 个采样点作为循环前缀。s_time 的每一列对应一个 OTFS 符号周期内的时域波形列方向还是原来的多普勒维索引。加完 CP 后tx_cp 的尺寸是 (McpLen) x Ntx_signal 按列展开成一维向量后就是实际发送的基带波形。这里有个有意思的现象由于 2.2 里时延维先做了 FFT海森堡变换又做了 IFFT两者在矩形脉冲下相互抵消所以最终发送波形等效于只对 X_dd 的多普勒维做 IFFT 后按列展开。标准流程里保留这一对变换不是为了显得完整而是为了把发送端和接收端的公式结构保持对齐方便后续替换成升余弦等非矩形脉冲。cpLen 取 16 对应最大时延抽头数为 16。实际信道如果时延抽头数超过 cpLen循环前缀就覆盖不住多径分量会漏到下一个符号里产生符号间干扰。熟悉 OFDM 的人可以直接把 OFDM 的 CP 选择经验搬过来CP 长度大于最大时延扩展对应的时间同时不要超过 OFDM 符号长度的四分之一否则有效功率损失太大。例程里 M64、cpLen16正好是 1/4。从帧结构看一个 OTFS 帧由 N 个 OTFS 符号组成每个 OTFS 符号又由 M 个子载波组成加 CP 后的时域帧长是 N*(McpLen) 个采样点。以这个例程为例一帧时长 16*(6416)1280 个采样点其中由循环前缀带来的功率开销是 16/6425%。后面的 BER 仿真要把这部分开销算进有效信噪比里否则实测曲线会比理论值偏乐观。这个例程用 QPSK 而不是 16QAM主要是为了让星座图上的四个点在多普勒扩展下更容易观察相位旋转。换成 16QAM 只需要把 Q 改成 16但误码率对信道估计误差会更敏感初学者建议先把 QPSK 的收发链路跑通再升级。发送端完整数据流可以总结为随机比特经过 QAM 映射变成 X_dd再经过 ISFFT 变成 X_tf再经过海森堡变换和加 CP 变成 tx_signal。接收端则反过来。理解这条数据流之后替换例程里的任何一块都很容易想换成 16QAM 只改 Q想加导频在 X_dd 里预留格点想换成升余弦窗函数就把海森堡变换里的 ifft 换成成形滤波器。例程的意义不是让你背代码而是给你一个能动手改的框架。3. 接收端匹配滤波从时域信号还原时延-多普勒符号3.1 匹配滤波的物理含义为什么 FFT 就是矩形脉冲的匹配滤波接收端的第一步不是直接做 SFFT而是先做匹配滤波。匹配滤波的含义很朴素用一个与发送脉冲共轭反褶的模板去和接收信号做相关使某个采样时刻的 SNR 最大化。在这个例程里发送脉冲是矩形脉冲因此匹配滤波就退化成对每个 OTFS 符号周期内的时域信号做 M 点 FFT。FFT 的本质是一组复指数基与信号做内积等价于用矩形脉冲做相关接收后再采样。很多人在跑例程时会忽略这一步直接对时域信号做 SFFT解调出来误码率很高然后又调半天参数。实际上匹配滤波输出的不是原始时域波形而是每个时频格点上的接收符号这一步输出的质量直接决定后面均衡的效果。OFDM 接收机对这个操作很熟去 CP 后 FFT得到的就是子载波上的复符号。OTFS 接收端只是把这一步保留下来并把它叫做 Wigner 变换。3.2 Wigner 变换与 SFFT 的完整代码%% OTFS 接收端去 CP、匹配滤波、SFFT % 假设 rx_signal 已经经过 AWGN 信道 rx_cp reshape(rx_signal, McpLen, N); y_time rx_cp(cpLen1:end, :); % 去掉循环前缀恢复 M x N % 匹配滤波Wigner 变换矩形脉冲对应每列做 FFT Y_tf fft(y_time, M, 1) / sqrt(M); % 辛傅里叶变换SFFT时延维 IFFT多普勒维 FFT Y_dd ifft(Y_tf, M, 1) * sqrt(M); Y_dd fft(Y_dd, N, 2) / sqrt(N); % QPSK 解调 rxBits qamdemod(Y_dd(:), Q, OutputType, bit, UnitAveragePower, true);接收端的处理顺序是 Wigner 变换 SFFT。Wigner 变换对应公式里的匹配滤波采样代码里就是 reshape、去 CP、对每一列做 FFT 这三步。去 CP 时注意 rx_signal 是按列串行发送的所以 reshape 成 (McpLen)xN 后要取第 cpLen1 到第 McpLen 行顺序反了星座图会乱掉。SFFT 是 ISFFT 的逆过程维度顺序和归一化都要对偶时延维做 IFFT多普勒维做 FFT。我把归一化系数分别写成 *sqrt(M) 和 /sqrt(N)和发送端正好配对。如果发送端用了 1/M 做归一化这里就得相应调整否则无噪声闭环也恢复不回来。这段代码的逻辑可以这样看先通过匹配滤波把时域信号搬回时频域得到 Y_tf再通过 SFFT 把时频域符号搬回时延-多普勒域得到 Y_dd。发送端的 ISFFT 把数据从时延-多普勒域搬到时频域海森堡变换把时频域搬到时间接收端严格对偶。这一对上下行的变换结构也是判断例程是否稳定的核心任何一个方向上的归一化不匹配都会让误码率曲线出现固定偏置。3.3 无信道条件下验证解调闭环%% 无信道自环验证确认收发端变换可逆 rx_signal tx_signal; % 不经过信道直接自环 rx_cp reshape(rx_signal, McpLen, N); y_time rx_cp(cpLen1:end, :); Y_tf fft(y_time, M, 1) / sqrt(M); Y_dd ifft(Y_tf, M, 1) * sqrt(M); Y_dd fft(Y_dd, N, 2) / sqrt(N); err sum(abs(Y_dd(:) - X_dd(:)).^2) / numel(X_dd); fprintf(自环 MSE %g\n, err);这是最值得先跑的验证脚本。自环 MSE 应该小到 1e-20 量级对应 MATLAB 双精度浮点误差这能证明 ISFFT/SFFT 和海森堡/匹配滤波的变换对完全可逆。如果 MSE 明显大于浮点误差先别急着加信道回头检查维度方向和归一化。我一般在这个阶段会顺手把 fftshift 相关的问题一并堵住加信道时如果信道多普勒频移引入了额外频偏某些例程会在 SFFT 前用 fftshift 把负多普勒索引挪到主瓣此时的自环验证脚本也得同步调整。这里容易混淆的一点是OFDM 接收端做 FFT 之后就得到频域符号可以直接均衡解调OTFS 多了一步 SFFT因为匹配滤波输出的是时频域符号 Y_tf还要再变换回时延-多普勒域才能看到原始 QAM 符号。换句话说接收端多出来的这一步恰好对应发送端多出来的 ISFFT。所以整套 OTFS 收发链路比 OFDM 多了一对二维变换代价是复杂度增加 O(MN log(MN))换来的却是对多普勒频移的鲁棒性。3.4 加入多径与多普勒信道后的处理流程无信道自环通过之后可以给例程加一个最简单的两抽头信道一条直达径加一条时延 3 个采样点、多普勒偏移 0.1 个子载波间隔的散射径。信道对时延-多普勒域的 X_dd 作用为一个二维卷积这意味着原来的逐点解调不再成立要先做信道估计再做迫零或最小均方误差均衡。常见做法是在一帧里插入导频符号把时延-多普勒域的一部分格点留空其中一个格点放置已知导频接收端在对应位置提取信道冲激响应再反卷积恢复数据。例程里通常先估计出信道的时延抽头系数和每个抽头的多普勒频移然后构造一个稀疏信道矩阵在 SFFT 后对每个数据符号做一次线性均衡。初学者没必要一开始就把均衡器写成最优的先跑通迫零均衡再把噪声放大问题暴露出来才理解为什么需要 MMSE 和消息传递检测器。这一步的复杂度上升比想象快。二维卷积矩阵的尺寸是 MN x MN不可能直接求逆实际例程都是利用 FFT 把卷积变到频域逐点相除或者用稀疏检测迭代求解。所以当你看到代码里出现一堆 reshape、fft2、ifft2 时它多半是在做这个频域对角化。均衡器这一块最直接的验证方式是把信道设为单抽头只有直达径、没有多普勒。此时 OTFS 退化成 OFDM 加一个平坦衰落系数均衡就是复数除法误码率曲线应该和理论 QPSK 一致。正因为这个退化路径存在才能在调试时逐步定位是均衡问题还是二维变换问题。这也是为什么我总建议在加均衡器之前先跑 AWGN 和单抽头信道两个基线。4. 复现 OTFS 例程的四个边界坑索引方向、归一化与循环前缀先把结论放在前面例程能跑通不难能稳定得到和理论 QPSK 对齐的曲线才需要盯住四个地方。它们分别是二维变换的索引方向、归一化系数、循环前缀长度、匹配滤波增益。这四个坑我都实际踩过以下每条都按现象、原因、解决的顺序写。4.1 索引方向出错星座图整体转置或共轭翻转现象无信道自环跑完err 不是 1e-20 而是接近 1 的量级把 Y_dd 画成星座图能看到四个簇的旋转角度和原始 QPSK 不一致有的还出现沿对角线翻转。原因OTFS 二维变换的方向决定时延维和多普勒维在矩阵里的地位。例程约定时延维是行方向多普勒维是列方向ISFFT 时延维做 FFT、多普勒维做 IFFT。如果两行代码写反比如把 fft(X_dd, M, 1) 写成 fft(X_dd, M, 2)等于把两个维度互换再变换数据矩阵被转置了一次。加上复数共轭的不对称性最后符号位置整体错位。解决先做一个全为 0 的 X_dd只在一个固定格点比如第 5 行第 3 列放一个常数跑完整的收发链路观察这个冲激被恢复到哪个格点。如果冲激回到了原位置说明索引方向对如果跑到转置位置交换维度方向的写法。这个方法也叫冲激自环测试能用 1 秒钟暴露方向错误。4.2 归一化系数不一致SNR 对不上误码率曲线现象AWGN 信道下误码率曲线比理论 QPSK 曲线整体右移或左移几个 dB且移动量不随 SNR 改变像是固定偏置。原因OTFS 收发链路里有 FFT、IFFT 各若干次每变换一次功率都在变。例程如果只在发送端用 1/sqrt(M) 归一化接收端却用 1/M经过两阶段变换后有效信号功率和噪声功率的比值就跟设置 SNR 对不上。MATLAB 的 awgn 函数默认按信号功率加噪但如果信号在变换过程中被放大了实际接收 SNR 就偏低。解决在无信道自环脚本里加一行功率检测比较 tx_signal 和 y_time 的总功率理想情况下两者相等。如果发送端和接收端使用的归一化是 1/sqrt(M)、sqrt(N)、*sqrt(M)、/sqrt(N) 这一对对称组合自环功率检测应该通过。需要注意为了抗多普勒有的方案会在接收端对多普勒维做 fftshift此时要把同样的 fftshift 用在发送端数据上否则会引入新的符号偏移。4.3 循环前缀长度不够BER 曲线出现地板现象加了一个多径信道之后高 SNR 区的误码率曲线不再下降停在 1e-3 到 1e-2 附近形成地板。把 SNR 继续抬高也不改善。原因循环前缀长度 cpLen16 只能覆盖 16 个时延抽头。信道延迟扩展有 20 个抽头时后面 4 个抽头会污染下一个 OTFS 符号产生不可消除的符号间干扰。OTFS 虽然对多普勒鲁棒但对循环前缀覆盖不了的大时延扩展同样敏感这和 OFDM 的边界条件一模一样。解决先打印信道冲激响应统计非零抽头的最大索引。cpLen 至少取 maxDelay1工程上建议留 30%-50% 余量。如果 cpLen 已经接近符号长度的一半就减小系统带宽或改用更长的帧来换取更大的时延覆盖范围。例程里有个小技巧把 CP 加在每列末尾而不是开头接收端去 CP 的代码就只改一个 offset不会动匹配滤波部分。4.4 匹配滤波输出未做增益补偿低 SNR 区符号偏移现象误码率曲线在低 SNR 区和理论曲线贴近但 SNR 稍高后星座开始分叉误码率反而比预期高怎么调均衡器都压不下来。原因匹配滤波是相关运算矩形脉冲持续 M 个采样点相关输出自带 M 倍增益。如果不把这个增益归一化直接进入 SFFT均衡器会把噪声也放大。有些例程为了省事直接省略匹配滤波用 y_time 的转置代替 Y_tf这等于丢掉匹配滤波的累积增益在低 SNR 下星座发散得尤其明显。解决在去 CP 后先做功率归一化再进匹配滤波y_time y_time / sqrt(mean(abs(y_time(:)).^2))。然后在匹配滤波输出的 Y_tf 上乘 sqrt(M)补偿相关累积最后 SFFT。这样的处理能保证误码率曲线和理论 QPSK 在 AWGN 下完全重合。这里提到的四个坑不是独立存在的。索引方向对了但归一化不对自环误差会小但 SNR 偏归一化对了但 CP 不够低信噪比没问题高信噪比地板CP 够了但匹配滤波没补偿误码率曲线会在中高信噪比出现奇怪的凹坑。建议按顺序排查先冲激自环再功率检测再扫一个 AWGN 下的 BER 曲线最后才加多径信道。5. 让 OTFS 例程真正可复现星座图、BER 曲线与三处参数微调拿到例程第一步不是直接跑完整仿真而是把验证脚本拆成两段一段画星座图一段画 BER 曲线。星座图能直接看出匹配滤波有没有增益补偿、SFFT 是否对齐BER 曲线用来验证和理论 QPSK 的差距。%% AWGN 下 BER 曲线验证 snrList 0:2:16; ber zeros(size(snrList)); for k 1:numel(snrList) rx_signal awgn(tx_signal, snrList(k), measured); rx_cp reshape(rx_signal, McpLen, N); y_time rx_cp(cpLen1:end, :); Y_tf fft(y_time, M, 1) / sqrt(M); Y_dd ifft(Y_tf, M, 1) * sqrt(M); Y_dd fft(Y_dd, N, 2) / sqrt(N); rxBits qamdemod(Y_dd(:), Q, OutputType, bit, UnitAveragePower, true); ber(k) sum(rxBits ~ txBits) / numel(txBits); end semilogy(snrList, ber, o-); grid on;运行后如果曲线整体贴着 QPSK 理论线说明收发端没问题。如果偏了 1dB 以上回到避坑章的功率检测和匹配滤波补偿里找原因。把 Y_dd 画在同一个图上观察 SNR10dB 时的星座四个簇应该清晰落在 ±1±1j 附近。验证通过后这套例程有三个最容易调整也最值得调整的参数。把 N 从 16 改到 32多普勒分辨率翻倍适合模拟高速移动信道把 M 从 64 改到 128时延分辨率翻倍能分辨更密集的多径把 Q 从 4 改到 16频谱效率提升但高阶 QAM 需要更准的信道估计。每次只改一个参数并且重新跑一遍无信道自环避免多个变量同时变化造成误判。这套 OTFS 例程的代码流每次跑法都是一样的。从那以后我每次拿到新的调制解调代码都会先做一遍无信道冲激自环测试再决定是否加信道模型这个习惯已经成了强制动作。希望帮到你。本文还有配套的精品资源点击获取
简介OTFS完整代码例程包面向数字通信与5G/6G物理层研究者以及希望深入理解正交时频空间调制技术的开发人员尤其适合高速移动与非视距场景下的仿真学习。代码覆盖OTFS调制、信道生成、接收解调、消息传递检测与干扰消除等关键环节并配套一篇OTFS调制与迭代检测的PDF参考论文便于读者结合理论快速上手。压缩包共7个文件以6个MATLAB脚本.m为主分别实现ISFFT/SFFT变换、循环前缀操作、信道响应生成、匹配滤波接收和检测器整体大小仅988KB轻量易运行可直接在MATLAB中跑通完整链路。资源已有3992人学习具备一定参考热度。通过该例程读者可掌握从时频域映射到译码输出的全过程理解匹配滤波在能量检测和符号定时中的作用同时获得可修改参数的模块化代码便于扩展为自己的通信系统研究工具。1. OTFS 完整代码例程把多径和多普勒一起装进调制网格做数字通信仿真的人大多都有这种体验OFDM 在静态或慢速信道下很漂亮一旦终端动起来多普勒频移一上来子载波正交性被打破误码率曲线直接翻车。OTFS 的思路很直接不跟时变信道在时频域硬扛而是把数据符号铺在时延-多普勒域让信道对该域的每个符号都表现为近似时不变的二维卷积。这份完整的 OTFS 代码例程正好覆盖了从 QAM 符号生成、ISFFT、海森堡变换到接收端匹配滤波与 SFFT 还原的全过程。适合刚学完 OFDM 想往下一代波形迈一步的人也适合需要一套可复现基线做对照实验的调制解调方向从业者。2. OTFS 发送端实现时延-多普勒域符号与两次变换2.1 为什么数据要放在时延-多普勒域而不是时频域在移动通信信道里多径效应带来时延扩展终端移动带来多普勒扩展。OFDM 把频带切成很多窄子载波本质上是在用频域资源对抗时延扩展但对多普勒扩展只能靠加大子载波间隔这在高速场景下会和 OFDM 符号长度产生矛盾。OTFS 选择另一条路把时间-频率域看成由时延域和多普勒域构成的二维平面。时延域对应信道多径的抽头位置多普勒域对应信道的频移分量。数据符号放在这个平面上信道响应矩阵就变成近似循环的结构均衡难度从二维时变滤波变成二维去卷积。例程采用的参数是 M64、N16。M 是时延维大小也就是等效子载波数N 是多普勒维大小等效于 OTFS 符号数。一帧内传输的 QAM 符号总数是 M*N1024。这两个数字不是随便定的M 决定系统能分辨的多径时延范围N 决定能分辨的多普勒频率范围。在同一个例程里把 M 或 N 改大帧长度和复杂度都会跟着涨后面第 5 章会讲怎么权衡。很多人第一次接触这个域会觉得抽象我习惯把 X_dd 想象成一个 M 行 N 列的二维网格行坐标是时延抽头列坐标是多普勒偏移每个格点上放一个复数 QAM 符号。收发两端做的事情就是把这个网格搬到实际发送波形上再从接收波形里把网格搬回来。2.2 ISFFT 实现时延维做 FFT、多普勒维做 IFFT%% OTFS 发送端参数与数据映射 M 64; % 时延维大小等效子载波数 N 16; % 多普勒维大小等效 OTFS 符号数 Q 4; % QAM 调制阶数4 即 QPSK cpLen 16; % 循环前缀长度需大于最大时延抽头 % 生成随机比特并映射为 QPSK 符号 txBits randi([0 1], M*N*log2(Q), 1); X_dd qammod(txBits, Q, InputType, bit, UnitAveragePower, true); X_dd reshape(X_dd, M, N); %% 逆辛傅里叶变换ISFFT X_tf fft(X_dd, M, 1) / sqrt(M); % 时延维 FFT X_tf ifft(X_tf, N, 2) * sqrt(N); % 多普勒维 IFFTISFFT 是 OTFS 和 OFDM 在信号处理上最直观的分界线。第一行沿着时延维维度 1做 M 点 FFT把时延-多普勒域的每一列变换到时延-频率域的中间表示第二行沿着多普勒维维度 2做 N 点 IFFT把时延-频率域的每一行再变换到时频域。两步合起来才是完整的 ISFFT。顺序不能反时延维对应的是多径抽头之间的延迟差在频域表现为乘性相位多普勒维对应的是随时间变化的相位旋转需要用 IFFT 把它合并到时频域。如果第一步用了 IFFT、第二步用了 FFT后面接收端解调出来的星座图会整体转置或者发生共轭这是 OTFS 例程最经典的一个翻车点。参数说明这里 FFT 和 IFFT 都带 1/sqrt(M)、sqrt(N) 的归一化目的是让变换前后符号功率保持一致。很多教材里写的是 X_tf F_M * X_dd * F_N^H其中的 F_M 就是归一化 DFT 矩阵落到 MATLAB 里就是 fft(...,M,1)/sqrt(M) 和 ifft(...,N,2)*sqrt(N)。用 1/M 或 1 这类归一化也能跑通闭环但接到 AWGN 信道后 SNR 会对不上后面避坑章节会专门讲。2.3 海森堡变换与加循环前缀把二维符号张成一维时域信号%% 海森堡变换等效 OFDM 调制 循环前缀 % 对时频域矩阵的每一列做 M 点 IFFT得到时域样本 s_time ifft(X_tf, M, 1); % M x N 时域矩阵 % 给每一列加循环前缀再按列串行发送 tx_cp [s_time(end-cpLen1:end, :); s_time]; tx_signal tx_cp(:).;海森堡变换这个名字听起来很重但在这个矩形脉冲例程里它就是标准的 OFDM 调制把时频域符号 X_tf 的每一列当作一个 OFDM 符号做 M 点 IFFT 变成时域波形再在每列前面拼接最后 cpLen 个采样点作为循环前缀。s_time 的每一列对应一个 OTFS 符号周期内的时域波形列方向还是原来的多普勒维索引。加完 CP 后tx_cp 的尺寸是 (McpLen) x Ntx_signal 按列展开成一维向量后就是实际发送的基带波形。这里有个有意思的现象由于 2.2 里时延维先做了 FFT海森堡变换又做了 IFFT两者在矩形脉冲下相互抵消所以最终发送波形等效于只对 X_dd 的多普勒维做 IFFT 后按列展开。标准流程里保留这一对变换不是为了显得完整而是为了把发送端和接收端的公式结构保持对齐方便后续替换成升余弦等非矩形脉冲。cpLen 取 16 对应最大时延抽头数为 16。实际信道如果时延抽头数超过 cpLen循环前缀就覆盖不住多径分量会漏到下一个符号里产生符号间干扰。熟悉 OFDM 的人可以直接把 OFDM 的 CP 选择经验搬过来CP 长度大于最大时延扩展对应的时间同时不要超过 OFDM 符号长度的四分之一否则有效功率损失太大。例程里 M64、cpLen16正好是 1/4。从帧结构看一个 OTFS 帧由 N 个 OTFS 符号组成每个 OTFS 符号又由 M 个子载波组成加 CP 后的时域帧长是 N*(McpLen) 个采样点。以这个例程为例一帧时长 16*(6416)1280 个采样点其中由循环前缀带来的功率开销是 16/6425%。后面的 BER 仿真要把这部分开销算进有效信噪比里否则实测曲线会比理论值偏乐观。这个例程用 QPSK 而不是 16QAM主要是为了让星座图上的四个点在多普勒扩展下更容易观察相位旋转。换成 16QAM 只需要把 Q 改成 16但误码率对信道估计误差会更敏感初学者建议先把 QPSK 的收发链路跑通再升级。发送端完整数据流可以总结为随机比特经过 QAM 映射变成 X_dd再经过 ISFFT 变成 X_tf再经过海森堡变换和加 CP 变成 tx_signal。接收端则反过来。理解这条数据流之后替换例程里的任何一块都很容易想换成 16QAM 只改 Q想加导频在 X_dd 里预留格点想换成升余弦窗函数就把海森堡变换里的 ifft 换成成形滤波器。例程的意义不是让你背代码而是给你一个能动手改的框架。3. 接收端匹配滤波从时域信号还原时延-多普勒符号3.1 匹配滤波的物理含义为什么 FFT 就是矩形脉冲的匹配滤波接收端的第一步不是直接做 SFFT而是先做匹配滤波。匹配滤波的含义很朴素用一个与发送脉冲共轭反褶的模板去和接收信号做相关使某个采样时刻的 SNR 最大化。在这个例程里发送脉冲是矩形脉冲因此匹配滤波就退化成对每个 OTFS 符号周期内的时域信号做 M 点 FFT。FFT 的本质是一组复指数基与信号做内积等价于用矩形脉冲做相关接收后再采样。很多人在跑例程时会忽略这一步直接对时域信号做 SFFT解调出来误码率很高然后又调半天参数。实际上匹配滤波输出的不是原始时域波形而是每个时频格点上的接收符号这一步输出的质量直接决定后面均衡的效果。OFDM 接收机对这个操作很熟去 CP 后 FFT得到的就是子载波上的复符号。OTFS 接收端只是把这一步保留下来并把它叫做 Wigner 变换。3.2 Wigner 变换与 SFFT 的完整代码%% OTFS 接收端去 CP、匹配滤波、SFFT % 假设 rx_signal 已经经过 AWGN 信道 rx_cp reshape(rx_signal, McpLen, N); y_time rx_cp(cpLen1:end, :); % 去掉循环前缀恢复 M x N % 匹配滤波Wigner 变换矩形脉冲对应每列做 FFT Y_tf fft(y_time, M, 1) / sqrt(M); % 辛傅里叶变换SFFT时延维 IFFT多普勒维 FFT Y_dd ifft(Y_tf, M, 1) * sqrt(M); Y_dd fft(Y_dd, N, 2) / sqrt(N); % QPSK 解调 rxBits qamdemod(Y_dd(:), Q, OutputType, bit, UnitAveragePower, true);接收端的处理顺序是 Wigner 变换 SFFT。Wigner 变换对应公式里的匹配滤波采样代码里就是 reshape、去 CP、对每一列做 FFT 这三步。去 CP 时注意 rx_signal 是按列串行发送的所以 reshape 成 (McpLen)xN 后要取第 cpLen1 到第 McpLen 行顺序反了星座图会乱掉。SFFT 是 ISFFT 的逆过程维度顺序和归一化都要对偶时延维做 IFFT多普勒维做 FFT。我把归一化系数分别写成 *sqrt(M) 和 /sqrt(N)和发送端正好配对。如果发送端用了 1/M 做归一化这里就得相应调整否则无噪声闭环也恢复不回来。这段代码的逻辑可以这样看先通过匹配滤波把时域信号搬回时频域得到 Y_tf再通过 SFFT 把时频域符号搬回时延-多普勒域得到 Y_dd。发送端的 ISFFT 把数据从时延-多普勒域搬到时频域海森堡变换把时频域搬到时间接收端严格对偶。这一对上下行的变换结构也是判断例程是否稳定的核心任何一个方向上的归一化不匹配都会让误码率曲线出现固定偏置。3.3 无信道条件下验证解调闭环%% 无信道自环验证确认收发端变换可逆 rx_signal tx_signal; % 不经过信道直接自环 rx_cp reshape(rx_signal, McpLen, N); y_time rx_cp(cpLen1:end, :); Y_tf fft(y_time, M, 1) / sqrt(M); Y_dd ifft(Y_tf, M, 1) * sqrt(M); Y_dd fft(Y_dd, N, 2) / sqrt(N); err sum(abs(Y_dd(:) - X_dd(:)).^2) / numel(X_dd); fprintf(自环 MSE %g\n, err);这是最值得先跑的验证脚本。自环 MSE 应该小到 1e-20 量级对应 MATLAB 双精度浮点误差这能证明 ISFFT/SFFT 和海森堡/匹配滤波的变换对完全可逆。如果 MSE 明显大于浮点误差先别急着加信道回头检查维度方向和归一化。我一般在这个阶段会顺手把 fftshift 相关的问题一并堵住加信道时如果信道多普勒频移引入了额外频偏某些例程会在 SFFT 前用 fftshift 把负多普勒索引挪到主瓣此时的自环验证脚本也得同步调整。这里容易混淆的一点是OFDM 接收端做 FFT 之后就得到频域符号可以直接均衡解调OTFS 多了一步 SFFT因为匹配滤波输出的是时频域符号 Y_tf还要再变换回时延-多普勒域才能看到原始 QAM 符号。换句话说接收端多出来的这一步恰好对应发送端多出来的 ISFFT。所以整套 OTFS 收发链路比 OFDM 多了一对二维变换代价是复杂度增加 O(MN log(MN))换来的却是对多普勒频移的鲁棒性。3.4 加入多径与多普勒信道后的处理流程无信道自环通过之后可以给例程加一个最简单的两抽头信道一条直达径加一条时延 3 个采样点、多普勒偏移 0.1 个子载波间隔的散射径。信道对时延-多普勒域的 X_dd 作用为一个二维卷积这意味着原来的逐点解调不再成立要先做信道估计再做迫零或最小均方误差均衡。常见做法是在一帧里插入导频符号把时延-多普勒域的一部分格点留空其中一个格点放置已知导频接收端在对应位置提取信道冲激响应再反卷积恢复数据。例程里通常先估计出信道的时延抽头系数和每个抽头的多普勒频移然后构造一个稀疏信道矩阵在 SFFT 后对每个数据符号做一次线性均衡。初学者没必要一开始就把均衡器写成最优的先跑通迫零均衡再把噪声放大问题暴露出来才理解为什么需要 MMSE 和消息传递检测器。这一步的复杂度上升比想象快。二维卷积矩阵的尺寸是 MN x MN不可能直接求逆实际例程都是利用 FFT 把卷积变到频域逐点相除或者用稀疏检测迭代求解。所以当你看到代码里出现一堆 reshape、fft2、ifft2 时它多半是在做这个频域对角化。均衡器这一块最直接的验证方式是把信道设为单抽头只有直达径、没有多普勒。此时 OTFS 退化成 OFDM 加一个平坦衰落系数均衡就是复数除法误码率曲线应该和理论 QPSK 一致。正因为这个退化路径存在才能在调试时逐步定位是均衡问题还是二维变换问题。这也是为什么我总建议在加均衡器之前先跑 AWGN 和单抽头信道两个基线。4. 复现 OTFS 例程的四个边界坑索引方向、归一化与循环前缀先把结论放在前面例程能跑通不难能稳定得到和理论 QPSK 对齐的曲线才需要盯住四个地方。它们分别是二维变换的索引方向、归一化系数、循环前缀长度、匹配滤波增益。这四个坑我都实际踩过以下每条都按现象、原因、解决的顺序写。4.1 索引方向出错星座图整体转置或共轭翻转现象无信道自环跑完err 不是 1e-20 而是接近 1 的量级把 Y_dd 画成星座图能看到四个簇的旋转角度和原始 QPSK 不一致有的还出现沿对角线翻转。原因OTFS 二维变换的方向决定时延维和多普勒维在矩阵里的地位。例程约定时延维是行方向多普勒维是列方向ISFFT 时延维做 FFT、多普勒维做 IFFT。如果两行代码写反比如把 fft(X_dd, M, 1) 写成 fft(X_dd, M, 2)等于把两个维度互换再变换数据矩阵被转置了一次。加上复数共轭的不对称性最后符号位置整体错位。解决先做一个全为 0 的 X_dd只在一个固定格点比如第 5 行第 3 列放一个常数跑完整的收发链路观察这个冲激被恢复到哪个格点。如果冲激回到了原位置说明索引方向对如果跑到转置位置交换维度方向的写法。这个方法也叫冲激自环测试能用 1 秒钟暴露方向错误。4.2 归一化系数不一致SNR 对不上误码率曲线现象AWGN 信道下误码率曲线比理论 QPSK 曲线整体右移或左移几个 dB且移动量不随 SNR 改变像是固定偏置。原因OTFS 收发链路里有 FFT、IFFT 各若干次每变换一次功率都在变。例程如果只在发送端用 1/sqrt(M) 归一化接收端却用 1/M经过两阶段变换后有效信号功率和噪声功率的比值就跟设置 SNR 对不上。MATLAB 的 awgn 函数默认按信号功率加噪但如果信号在变换过程中被放大了实际接收 SNR 就偏低。解决在无信道自环脚本里加一行功率检测比较 tx_signal 和 y_time 的总功率理想情况下两者相等。如果发送端和接收端使用的归一化是 1/sqrt(M)、sqrt(N)、*sqrt(M)、/sqrt(N) 这一对对称组合自环功率检测应该通过。需要注意为了抗多普勒有的方案会在接收端对多普勒维做 fftshift此时要把同样的 fftshift 用在发送端数据上否则会引入新的符号偏移。4.3 循环前缀长度不够BER 曲线出现地板现象加了一个多径信道之后高 SNR 区的误码率曲线不再下降停在 1e-3 到 1e-2 附近形成地板。把 SNR 继续抬高也不改善。原因循环前缀长度 cpLen16 只能覆盖 16 个时延抽头。信道延迟扩展有 20 个抽头时后面 4 个抽头会污染下一个 OTFS 符号产生不可消除的符号间干扰。OTFS 虽然对多普勒鲁棒但对循环前缀覆盖不了的大时延扩展同样敏感这和 OFDM 的边界条件一模一样。解决先打印信道冲激响应统计非零抽头的最大索引。cpLen 至少取 maxDelay1工程上建议留 30%-50% 余量。如果 cpLen 已经接近符号长度的一半就减小系统带宽或改用更长的帧来换取更大的时延覆盖范围。例程里有个小技巧把 CP 加在每列末尾而不是开头接收端去 CP 的代码就只改一个 offset不会动匹配滤波部分。4.4 匹配滤波输出未做增益补偿低 SNR 区符号偏移现象误码率曲线在低 SNR 区和理论曲线贴近但 SNR 稍高后星座开始分叉误码率反而比预期高怎么调均衡器都压不下来。原因匹配滤波是相关运算矩形脉冲持续 M 个采样点相关输出自带 M 倍增益。如果不把这个增益归一化直接进入 SFFT均衡器会把噪声也放大。有些例程为了省事直接省略匹配滤波用 y_time 的转置代替 Y_tf这等于丢掉匹配滤波的累积增益在低 SNR 下星座发散得尤其明显。解决在去 CP 后先做功率归一化再进匹配滤波y_time y_time / sqrt(mean(abs(y_time(:)).^2))。然后在匹配滤波输出的 Y_tf 上乘 sqrt(M)补偿相关累积最后 SFFT。这样的处理能保证误码率曲线和理论 QPSK 在 AWGN 下完全重合。这里提到的四个坑不是独立存在的。索引方向对了但归一化不对自环误差会小但 SNR 偏归一化对了但 CP 不够低信噪比没问题高信噪比地板CP 够了但匹配滤波没补偿误码率曲线会在中高信噪比出现奇怪的凹坑。建议按顺序排查先冲激自环再功率检测再扫一个 AWGN 下的 BER 曲线最后才加多径信道。5. 让 OTFS 例程真正可复现星座图、BER 曲线与三处参数微调拿到例程第一步不是直接跑完整仿真而是把验证脚本拆成两段一段画星座图一段画 BER 曲线。星座图能直接看出匹配滤波有没有增益补偿、SFFT 是否对齐BER 曲线用来验证和理论 QPSK 的差距。%% AWGN 下 BER 曲线验证 snrList 0:2:16; ber zeros(size(snrList)); for k 1:numel(snrList) rx_signal awgn(tx_signal, snrList(k), measured); rx_cp reshape(rx_signal, McpLen, N); y_time rx_cp(cpLen1:end, :); Y_tf fft(y_time, M, 1) / sqrt(M); Y_dd ifft(Y_tf, M, 1) * sqrt(M); Y_dd fft(Y_dd, N, 2) / sqrt(N); rxBits qamdemod(Y_dd(:), Q, OutputType, bit, UnitAveragePower, true); ber(k) sum(rxBits ~ txBits) / numel(txBits); end semilogy(snrList, ber, o-); grid on;运行后如果曲线整体贴着 QPSK 理论线说明收发端没问题。如果偏了 1dB 以上回到避坑章的功率检测和匹配滤波补偿里找原因。把 Y_dd 画在同一个图上观察 SNR10dB 时的星座四个簇应该清晰落在 ±1±1j 附近。验证通过后这套例程有三个最容易调整也最值得调整的参数。把 N 从 16 改到 32多普勒分辨率翻倍适合模拟高速移动信道把 M 从 64 改到 128时延分辨率翻倍能分辨更密集的多径把 Q 从 4 改到 16频谱效率提升但高阶 QAM 需要更准的信道估计。每次只改一个参数并且重新跑一遍无信道自环避免多个变量同时变化造成误判。这套 OTFS 例程的代码流每次跑法都是一样的。从那以后我每次拿到新的调制解调代码都会先做一遍无信道冲激自环测试再决定是否加信道模型这个习惯已经成了强制动作。希望帮到你。本文还有配套的精品资源点击获取
