写这篇博文之前我想先聊几句背景。做无线通信仿真的朋友应该都有体会高铁场景速率掉得厉害高架桥下切换频繁无人机在飞行中数据传不回来——这些问题的根源往往就出在多普勒效应上。而这个问题恰恰是OFDM这类调制方式的软肋子载波之间的正交性一旦被多普勒破坏整套系统的性能就会断崖式下跌。OTFS正交时频空间调制就是冲着这个问题来的。它把数据从时频域搬到时延-多普勒域里传输让每个符号经历的信道近似恒定理论上非常适合高移动性环境。这篇博客就从我实际做的MATLAB仿真出发聊聊OTFS和CP-OFDM在WSS-US双色散瑞利衰落信道上的对比分析包含完整的实现思路和源码框架Matlab源码 15138期。如果你正在研究6G候选波形、做高铁或低空飞行场景的链路级仿真或者单纯想搞懂OTFS凭什么比OFDM抗多普勒这篇文章应该能帮你省不少时间。1. 高移动性环境为什么是OFDM的致命伤先说结论OFDM在低速场景下的确是个近乎完美的方案但它有两个天然短板——对载波频率偏移的敏感、对多普勒扩展的脆弱。这两点在静止或步行场景下几乎感觉不到可一上高铁、一进LoS遮挡严重的城区问题立刻就暴露了。1.1 子载波正交性被破坏一道很简单的数学题CP-OFDM把宽带信道切成了大量窄带子载波每个子载波上传输独立的QAM符号。理论上只要子载波间隔够大、循环前缀够长接收端做FFT之后各个子载波之间互不干扰。但在移动环境中接收信号会产生多普勒频移等效成每个子载波都发生了一个频率偏移。假设第k个子载波的频率是f_k接收端实际看到的频率变成了f_k f_d其中f_d是最大多普勒频移。当f_d不是子载波间隔Δf的整数倍时子载波之间就会出现泄漏也就是产生子载波间干扰ICI。这个泄漏大小一般可以用一个简化公式表达[ \text{SNR}_{\text{ICI}} \approx \frac{3}{(\pi f_d T_s)^2} \cdot \frac{1}{(N-1)(2N-1)/N^2} ]虽然不同教材写法不一样但核心就一句话多普勒越大、OFDM符号周期T_s越长ICI越严重。提高子载波间隔Δf即缩短T_s能缓解这个问题但代价是循环前缀占比变小覆盖半径变小频谱效率下降。所以单纯靠搭参数OFDM在高移动和高速传输这两个需求之间很难同时满足。1.2 时变信道下的快衰落问题还有一个容易忽略的问题时变信道会让每个OFDM符号内部的信道都在变化。特别是在快衰落条件下信道在单个符号周期内已经翻转了好几次。这种情况下CP-OFDM接收端即便做了信道估计和均衡用的也是符号平均意义上的信道状态而不是逐采样点的信道变化造成均衡不准确误差传播会进一步放大。我做仿真时专门给信道加了很高的多普勒模拟时速350公里以上的场景CP-OFDM的BER曲线在信噪比超过20dB后几乎不再下降这就是典型的错误平层error floor。原因很简单ICI不是白噪声不能用分集增益去平均掉它在频谱上是有结构的干扰均衡器很难彻底消除。而OTFS恰恰是从波形的设计思路上绕开了这个问题。2. OTFS的四域设计思路时延-多普勒域才是家我第一次看OTFS论文的时候最大的迷惑点就是它为什么要把数据放到时延-多普勒域多普勒域是什么东西后来结合信道冲激响应的时变特性才彻底想明白。2.1 时变信道在时延-多普勒域是稀疏且准静态的传统的时变信道模型h(t, τ)是一个同时依赖绝对时间t和时延τ的函数。t域上的变化来自多普勒τ域上的扩展来自多径。直接把这个信道搬到时延-多普勒域ν-τ域得到的是另一个表示H(ν, τ)。关键性质在于物理信道的反射径数量在时延-多普勒域中通常是稀疏的——几条主要的反射径每条对应一个确定的时延τ_i和一个确定的多普勒频移ν_i。这意味着在DD域中信道对数据符号的作用更像是对每个符号乘了一个相对稳定的复增益而不是OFDM中那种频域上铺开、符号间互相污染的干扰结构。换句话说OTFS把又随时间变化、又随频率选择性衰落的信道变成了一个稀疏的、每个符号几乎恒定的二维信道。我在仿真里验证过时延-多普勒域的信道冲激响应点只有几个而时频域信道响应是密密麻麻的。这个稀疏性不仅是性能优势还直接降低了接收机做信道估计和均衡的复杂度。对做工程的朋友来说这个好处甚至比性能提升更实在。2.2 调制链路里的三次变换从QAM符号到发射波形OTFS的完整调制链路可以拆成这样以CP-OTFS为例把N×M个QAM符号排列在时延-多普勒域的网格X[N, M]上做逆辛傅里叶变换ISFFT把DD域符号映射到时频域网格再做海森堡变换Heisenberg transform把时频域的网格通过一组脉冲成型波形改造成时间域信号。接收端则是对称的过程维格纳变换Wigner transform把时间域信号恢复到到时频域再做辛傅里叶变换SFFT回到时延-多普勒域最后从这些符号中解调。从MATLAB实现的角度看ISFFT本质上就是对二维数组的每一维做IFFT/FFT的组合变换。这里有个细节ISFFT是先沿多普勒维做IFFT再沿时延维做FFT还是反过来的顺序不同实现的截止条件会不同。我在代码里写的是标准的命名规范——同样一个X矩阵只要收发两侧一致且归一化系数对得上结果就是正确的。2.3 与CP-OFDM的本质差异波形由时间-频率决定还是由时延-多普勒决定用一个表格来对比更清晰对比维度CP-OFDMOTFS数据放置域时频域时间-频率网格时延-多普勒域DD网格对多普勒的敏感性高子载波间漏损直接形成ICI低DD域中多普勒是位置属性而非干扰源信道均衡难度需要跟踪每个OFDM符号上的信道翻转信道稀疏均衡器结构简单适合场景低速、低时延、小覆盖高速移动、大时延扩展、星地链路标准支持现状4G/5G的成熟方案6G候选波形灵活参数设计仍活跃研究这个对比给初学者一个偷懒的理解方式OFDM是在一个随时间翻动的平面上画图稍有不稳线条就会歪OTFS则是把画布换成了一个几乎不动的坐标系多普勒只是决定了图案画在哪里而不是扭曲图案本身。3. WSS-US双色散瑞利衰落信道仿真里最容易被低估的模块标题里提到的WSS-US双色散瑞利衰落信道直接决定了仿真结果是否可信。很多初学者的仿真曲线特别漂亮一换信道模型就崩了往往是信道建模太粗糙。3.1 WSS-US广义平稳与非相关散射WSS-US是无线信道的两个核心假设。WSS广义平稳信道的统计特性在一段时间内是平稳的即自相关函数只与时间间隔有关与绝对时间无关。这给仿真带来一个操作上的好处可以在一个长时间记录里生成信道然后切段使用。US非相关散射不同时延径上的衰落是互不相关的。这意味着每个多径分量可以独立生成复高斯随机过程再叠加起来不需要复杂的联合相关结构。在很多商用仿真软件里这两条假设是默认的但写自己的MATLAB仿真时要注意如果生成的多径分量之间不小心引入了相关性最后的BER曲线会偏离理论值。3.2 双色散信道的两种扩展时延扩展与多普勒扩展双色散指信道在时延域和多普勒域都有明显扩展。时延扩展导致频率选择性衰落对应频域上某些深衰落点多普勒扩展导致时间选择性衰落对应时域上信道快速变化。在MATLAB中实现时我通常用抽头延迟线TDL模型每一条径有独立的平均功率、时延和多普勒频谱形状。典型参数如下参数设置值示例径数2条典型高多普勒场景或5条城区多径最大时延0.3 μs 1 μs最大多普勒1000 Hz 3000 Hz对应350km/h以上载波频率3.5 GHz 或 28 GHz子载波间隔15 kHzOFDM基准符号数/帧14或28个OFDM符号3.3 瑞利分布包络和Jakes谱的生成细节瑞利衰落指的是接收信号的包络服从瑞利分布。实现上可以这样生成每条径的时变系数用两个正交的高斯随机过程表示[ h_i(t) \sqrt{\frac{P_i}{2}} \left( g_{i,1}(t) j g_{i,2}(t) \right) ]其中g_i1、g_i2是经过多普勒滤波的实高斯噪声。多普勒滤波器频率响应按Jakes谱或其离散近似设计功率谱密度在[-f_d, f_d]范围内呈反正弦分布。我分享一个很多教程里不写的小细节多普勒滤波器的长度不能太短否则会损失谱的形状导致多普勒扩展不准确。一般来说滤波器阶数要足够大比如max多普勒/采样率比值很小时单纯用一个低阶滤波器根本滤不出正确的谱形状要么改用频率采样法设计要么直接用时变信道生成器如Matlab的comm.RayleighChannel。如果你用comm.RayleighChannel建议把MaximumDopplerShift按实际需求设置并勾选DopplerSpectrum为Jakes而不是默认的高斯谱。4. MATLAB仿真框架与关键模块实现接下来说说整个工程怎么搭。我的思路是把每个处理模块做成独立的函数方便替换参数跑不同对照组也方便做蒙特卡洛循环。4.1 顶层仿真流程整个仿真流程可以拆成八个步骤确定系统参数子载波数、符号数、调制阶数、CP长度生成随机二进制比特做QAM映射对OTFS分支做DD域映射ISFFT海森堡变换加CP对CP-OFDM分支直接做IFFT加CP双分支分别过相同的WSS-US瑞利衰落信道接收端先去CP再做对应的维格纳变换SFFT或FFT解调用最小均方误差MMSE或最大比合并方式的均衡解调QAM符号、反映射成比特计算BER在多个信噪比点上循环蒙特卡洛仿真画BER曲线。4.2 OTFS收发端的核心代码骨架我写一个简化版的OTFS调制器演示核心逻辑不包含帧同步和均衡细节方便阅读function txGrid otfsMod(X, N, M, cpLen) % X: N x M DD域QAM符号矩阵 % N: 多普勒维符号数, M: 时延维符号数 % Step 1: ISFFT, 先沿多普勒维做IFFT再沿时延维做FFT A ifft(X, N, 1) * sqrt(N); % 多普勒维 B fft(A, M, 2) / sqrt(M); % 时延维 % Step 2: 海森堡变换这里按临界采样处理矩形脉冲 txGrid reshape(B, N, M); % 时频域网格 % 再加CP这里按行处理并拼接 % 实际实现中需要将时频网格转成采样序列 end接收端是对称的SFFT和维格纳变换function symOut otfsDemod(rxGrid, N, M) % 去CP后得到接收的时频网格 A rxGrid; % Step 1: 维格纳变换的离散形式 B reshape(A, N, M); % Step 2: SFFT C fft(B, N, 1) / sqrt(N); Y ifft(C, M, 2) * sqrt(M); symOut Y; end注意一点上面的代码是临界采样下的最简形式。实际项目中脉冲成型滤波器和窗函数要单独设计否则在用矩形脉冲时带外泄漏会把时延-多普勒域的符号搞混。4.3 信道模块与均衡方式信道用comm.RayleighChannel实现时注意设置信道为每符号更新的模式这样每个OFDM符号的衰落是独立但统计一致的。对于OTFS的均衡我在仿线里有两种做法简洁路径把信道等效在DD域中建立完整矩阵然后用MMSE做二维均衡。这个方法计算量不小但直观快速路径如果每帧内信道变化不大伪静态近似可以先把接收DD域符号通过循环卷积信道矩阵再用标量MMSE近似。做对比仿真时我建议OTFS和CP-OFDM使用同一个信道实现对象、同一条随机种子这样才能保证对比公平。否则信道增益不同BER曲线根本没可比性。5. 仿真结果分析OTFS的鲁棒性到底体现在哪我跑通仿真后最有价值的不是那张BER曲线而是看清楚性能差距是在什么条件下被拉开的。5.1 低速时差距不大高速时拉开数量级低多普勒场景比如车辆60km/h多普勒约200HzOTFS和CP-OFDM的BER曲线几乎重合说明新波形并没有给低速场景带来显著增益。但把多普勒提高到几千赫兹模拟350km/h以上的高铁载频3.5GHz在信噪比20dB时CP-OFDM的BER大概在10^-2级别且开始出现平台OTFS还能压到10^-4甚至更低。这个差距在高阶QAM下更加明显64QAM时CP-OFDM在高多普勒下基本不可用而OTFS还能保持较低误码。5.2 为什么会有这种差距时频域的干扰结构 vs 时延-多普勒域的准静态结构CP-OFDM的ICI是面状的每个子载波都会受到周围大量子载波能量的泄漏干扰而且这个干扰与信号正交。OTFS则不同每个DD域符号的相邻干扰是零散的、可以通过均衡有效消除的。打个比方一个杯子每次被倒进一点杂质过滤不掉越积越多另一个杯子里的杂质虽然是固定量的但一次就能滤干净。从信噪比角度看OTFS把多普勒有害干扰转化成了可估计的确定性增益这就是所谓的高移动性鲁棒性的本质。5.3 仿真参数的敏感性哪些参数会显著影响结论我自己跑参数扫描时发现以下几项对结果影响最明显子载波间隔与多普勒的比值。比值太小OFDM崩得更快抽头数量。径数多时OFDM在时延均衡上多消耗一些分集双方差距会略有缩小调制阶数。QPSK到16QAM再到64QAM差距逐步拉大信道估计误差。OTFS的稀疏信道估计优越性在导频开销设计好的条件下更明显。提供一张参考表格条件CP-OFDM BER情况OTFS BER情况结论低速 QPSK正常接近理论正常接近理论无明显差异高速 QPSK有误码平台无平台持续下降OTFS明显胜出高速 16QAM平台效应加重性能仍可接受差距拉大高速 64QAM几乎不可用仍可维持阶数越高差距越大这个表其实就是我仿真中不同配置组合的实际结果浓缩。大家在复现时如果发现绝对数值跟我这表对不上不用紧张具体的信道参数和均衡器设计会影响绝对位置但相对趋势基本是这个走势。6. 复现这个仿真时我踩过的几个坑和调整建议最后聊点偏经验层面的东西。写这套MATLAB仿真时我前前后后调整了很多版本有几处特别容易出错。6.1 归一化系数不匹配导致SNR偏移OTFS的ISFFT/SFFT如果有多余的sqrt(N)或sqrt(M)因子会导致信号功率和噪声功率的相对关系偏移展现出信噪比虚高或虚低的现象。最稳妥的做法是在初始化脚本里先做一个无信道传输的环回测试确保发射符号和接收符号完全一致再上信道。这个自检步骤花不了十分钟能省掉后面所有BER为什么偏了的怀疑。6.2 循环前缀长度与信道时延扩展的匹配CP-OFDM只要CP长度大于最大时延扩展即可而OTFS的CP设计需要同时考虑时延扩展和潜在的多普勒效应引发的块间泄漏。我在早期版本里CP长度取得太短结果OFDM的BER反而比OTFS还好那是因为OTFS的块间ICI没有防住。后来把CP长度调整到覆盖最大时延扩展后再测结果就正常了。6.3 蒙特卡洛帧数的取舍高信噪比下BER降到10^-4如果每帧只传输1000个比特就需要跑很多帧才能统计到足够多的错误比特。我建议根据目标BER动态调节帧数低信噪比跑几十帧就够高信噪比至少跑几百帧。否则曲线末尾会抖动得很厉害看上去像没收敛。另外可以固定随机种子保证两次对比实验之间的噪声一致性。6.4 不要一股脑用默认的MMSE均衡MMSE均衡在OTFS中确实常用但需要根据信道矩阵计算噪声方差。直接用固定的正则化系数会损失性能。我建议在均衡前先计算当前信道条件下的等效噪声功率再代入MMSE公式。这项改动几乎不增加计算量但BER曲线在高信噪比区间明显更干净。6.5 关于如何看懂结果图和进一步扩展仿真结果的主要图就是BER-SNR曲线建议除了常规的BER曲线之外再画一张不同多普勒下的BER对比图固定SNR20dB能更直观看到鲁棒性曲线的走向。进一步扩展的方向可以做导频辅助信道估计、脉冲成型滤波器对比、甚至MIMO-OTFS这都是在15138期框架上继续迭代的可行路径。做这套仿真最大的收获不是那几条曲线而是理解了域变换如何在波形设计中化干扰为优势。这个思维方式在以后的通信算法研究中会一直有用。