操作环境MATLAB 2024a1、算法描述摘 要正交时频空调制能够在延迟-多普勒域组织通信符号使高速移动场景中的时变信道呈现近似稀疏结构因而适合承载通信感知一体化任务。本文围绕OTFS波形在多目标场景中的联合通信与感知应用建立从延迟-多普勒资源网格、时频变换、时域波形生成、稀疏目标信道、LMMSE接收均衡到距离-速度二维参数估计的完整仿真模型。系统采用16-QAM数据映射和二维OTFS调制目标回波以离散延迟、多普勒频移和复增益描述接收端在同一回波信号上完成通信符号恢复与目标峰值提取。仿真结果表明在24 GHz载频、60 kHz子载波间隔和20 dB信噪比条件下系统能够在保持较低误码率的同时对三个典型目标的距离和速度进行稳定估计。论文重点分析OTFS在高机动场景中的二维分辨能力、稀疏目标通道的表达方式、迭代式LMMSE均衡对通信链路的改善作用以及匹配滤波距离-速度图对目标参数估计的支撑作用。结果显示延迟-多普勒域处理能够把通信和感知统一到同一组波形和同一组接收样本之中为车联网、低空平台、智能交通和未来6G网络中的高可靠通信与环境感知提供了可行的波形设计思路。关键词正交时频空调制通信感知一体化延迟-多普勒域LMMSE均衡距离-速度估计AbstractOrthogonal time frequency space modulation arranges information symbols in the delay-Doppler domain, where highly mobile wireless channels can be represented in a sparse and structured form. This paper develops a complete OTFS integrated sensing and communication simulation framework, including delay-Doppler resource mapping, time-frequency conversion, time-domain waveform generation, sparse target channel modeling, LMMSE equalization, and two-dimensional range-velocity estimation. Numerical results verify that the same OTFS waveform can support reliable symbol recovery and target parameter extraction under a representative high-mobility sensing scenario.1 引言移动通信系统正在从单一信息传输网络向具备环境理解能力的智能网络演进。传统无线系统主要关注频谱效率、吞吐量和链路可靠性而雷达系统则关注目标距离、速度、角度以及散射强度等物理参数。随着车联网、无人平台、低空经济和工业智能化应用快速发展通信终端和感知节点在频谱、硬件、站址和计算资源上出现高度重叠通信感知一体化逐渐成为未来无线网络的重要方向。通过统一波形、统一硬件和统一信号处理流程系统可以减少频谱占用和设备冗余并使网络节点在完成数据传输的同时获得对周围环境的实时感知能力。在高速移动条件下传统OFDM波形易受到多普勒扩展影响子载波间正交性被破坏接收端需要面对显著的时变信道。OTFS将信息符号放置于延迟-多普勒域并通过二维辛傅里叶变换与时频域波形联系起来。对于由有限数量散射体构成的高速信道延迟和多普勒参数通常具有稀疏性OTFS能够把快速时变信道转化为结构更稳定的二维卷积关系。因此OTFS不仅适合提升高机动通信链路的鲁棒性也天然适合从同一接收信号中估计目标距离与速度。本文以OTFS通信感知一体化为研究对象构建一个端到端仿真系统。发送端在延迟-多普勒网格上加载16-QAM通信符号经二维变换得到时频域符号再通过多载波调制生成时域基带波形。信道端设置多个具有不同延迟、多普勒和复增益的目标将目标反射过程建模为稀疏延迟-多普勒信道。接收端一方面利用LMMSE准则恢复通信符号并评价误码率和误差向量幅度另一方面利用已知发射波形构造距离-速度二维匹配滤波图并通过峰值搜索获得目标参数估计。与单纯展示通信链路或单纯展示目标检测不同本文更关注同一组波形在通信和感知两类任务中的联合使用。系统输出包括OTFS资源网格、稀疏目标信道、均衡前后星座图、距离-速度感知图、误码率曲线、时域与频域波形以及目标参数对比图。这些结果能够较完整地反映OTFS-ISAC系统在信号生成、信道作用、通信恢复和目标估计四个层面的工作机理。2 OTFS通信感知一体化系统模型2.1 延迟-多普勒资源网格设OTFS资源网格包含M个延迟维采样和N个多普勒维采样调制符号记为X[k,l]。本文采用M128、N64的二维网格因此一个OTFS帧中共有8192个符号位置。通信信息首先由二进制比特映射为归一化16-QAM符号并按照网格顺序填充到延迟-多普勒域。由于延迟维与多普勒维分别对应传播时延和相对速度网格参数会直接影响系统的距离分辨率和速度分辨率。在给定子载波间隔Δf60 kHz的条件下系统带宽为MΔf7.68 MHz。距离分辨率由c/(2MΔf)决定约为19.53 m帧长为N/Δf约为1.067 ms多普勒分辨率为1/Tf对应速度分辨率约为5.86 m/s。该组参数能够覆盖中短距离移动目标并能够在仿真中清晰展示不同距离和速度目标的可分辨性。OTFS调制过程可理解为从延迟-多普勒域到时频域再从时频域到时域波形的级联变换。二维变换将延迟-多普勒域符号分布扩展到整个时频平面使每个数据符号经历完整的时频分集。随后对每个时隙进行多载波调制生成可通过无线信道传播的时域基带信号。接收端执行相反流程先完成时域到时频域转换再恢复延迟-多普勒域符号。参数取值说明载频fc24 GHz用于速度与多普勒频移换算延迟维长度M128决定系统带宽与距离分辨率多普勒维长度N64决定帧长与速度分辨率子载波间隔Δf60 kHz用于构造OTFS时频网格调制方式16-QAM承载通信比特信息信噪比20 dB单次通信与感知仿真条件距离分辨率19.53 m由系统带宽决定速度分辨率5.86 m/s由帧长和载频决定2.2 稀疏目标信道模型感知场景中设置三个离散目标每个目标由延迟索引、多普勒索引、复增益和相位共同描述。对基带离散信号s[n]而言目标p产生的回波可写为hp exp(j2πνp nTs)s[n-dp ]其中dp表示样点延迟νp表示多普勒频移hp表示复散射系数。多个目标回波叠加后形成接收信号随后加入复高斯白噪声。该模型虽然没有引入角度维信息但足以验证OTFS波形在距离-速度二维平面上的目标分辨能力。本文采用格点对齐的三个目标进行验证分别位于约78.12 m、156.25 m和273.44 m处对应速度约为11.72 m/s、-17.58 m/s和29.30 m/s目标相对强度分别为0 dB、-4 dB和-7 dB。由于三个目标在距离和速度维度上均具有可区分间隔距离-速度图中应出现三个主要能量峰。弱目标的峰值较低更容易受到旁瓣和噪声影响因此能够体现峰值搜索算法在动态范围条件下的鲁棒性。图1 OTFS延迟-多普勒符号分布与ISFFT后时频幅度图2 稀疏延迟-多普勒目标信道结构3 接收处理与参数估计方法3.1 LMMSE通信均衡通信接收的核心目标是从叠加多目标回波和噪声的接收信号中恢复原始16-QAM符号。若将稀疏延迟-多普勒信道表示为矩阵H则接收向量可写为yHsw。理想条件下可以通过最小均方误差准则估计发送向量等价地求解由信道共轭转置、信道矩阵和正则项共同构成的正规方程其中正则项与噪声功率和信号平均功率有关。由于OTFS帧长度较大直接矩阵求逆会带来较高复杂度因此本文采用共轭梯度形式求解LMMSE方程。LMMSE均衡在通信链路中的作用主要体现在两个方面。第一它能够抵消由目标延迟和多普勒引起的符号间干扰使延迟-多普勒域星座点重新聚集到16-QAM理想判决点附近。第二它把噪声功率显式引入正则项避免在深衰落或弱观测位置上过度放大噪声。仿真结果中均衡前星座分布明显扩散而均衡后星座点具有更清晰的聚类结构对应误码率降至9.705×10^-3误差向量幅度约为19.47%。从工程角度看迭代式LMMSE均衡适合用于中等规模OTFS网格。其计算流程不要求显式形成稠密逆矩阵只需反复执行H和H的乘法运算能够充分利用目标信道的稀疏性。对通信感知一体化系统而言这种处理方式还具有较好的扩展性当目标数量增加或场景出现更复杂散射时只要信道矩阵仍保持一定稀疏结构接收端仍可通过迭代方式完成符号恢复。图3 均衡前后通信星座图对比3.2 距离-速度二维匹配滤波感知处理利用已知发射波形与接收回波之间的相关性完成目标搜索。具体而言系统在候选延迟网格上对发射信号进行延迟补偿在候选速度网格上施加多普勒补偿然后计算补偿后序列与接收序列的相关能量。相关能量在二维搜索平面上归一化后得到距离-速度图峰值位置对应最可能的目标距离和速度。该方法具有直观的物理含义若候选延迟和候选多普勒与某一真实目标匹配则其回波分量在相干积累过程中保持相位一致输出能量显著增强若候选参数偏离真实目标则相位无法有效对齐相关能量降低。由于OTFS波形具有二维扩展特性目标回波在距离和速度两个维度上同时被调制和观测因此匹配滤波图能够直接展示多目标在二维参数平面中的分布。峰值提取阶段采用逐次搜索方式。系统首先在归一化距离-速度图中寻找最大峰值记录对应的距离、速度和峰值功率随后在该峰值附近设置保护区域将局部区域置为无效再寻找下一个峰值。该过程能够减少强目标旁瓣对弱目标提取的干扰使多个目标可以按峰值强度依次被识别。仿真中三个目标均被提取到正确格点说明在当前信噪比和目标间隔条件下二维匹配滤波具备稳定的多目标估计能力。图4 OTFS距离-速度感知图及目标峰值标记4 仿真结果与性能分析图1显示了延迟-多普勒域16-QAM符号以及变换到时频域后的幅度分布。可以看出原始通信符号在延迟-多普勒网格中呈现规则星座结构而ISFFT后能量被扩展到时频平面。该现象体现了OTFS通过二维变换获取时频分集的基本特征。图2给出了稀疏目标信道三个目标在延迟和多普勒索引上形成离散散射点反映出高速移动场景中目标参数的二维稀疏性。图3对比了均衡前后的星座分布。接收端直接解调时目标回波引起的延迟和多普勒耦合导致星座点出现扩散和旋转判决边界附近存在较多散点。经过LMMSE均衡后星座点明显向理想16-QAM位置聚集说明接收端有效补偿了稀疏信道带来的干扰。结合误码率和EVM结果可以判断OTFS链路在感知回波场景中仍可保持可用通信质量。图4是本文感知性能分析的核心结果。距离-速度图中出现三个清晰主峰分别对应T1、T2和T3。由于T1反射强度最高其峰值功率归一化后为0 dBT2和T3由于增益较低峰值分别下降到约-3.96 dB和-7.33 dB。真实目标标记与估计峰值在图中重合说明所设OTFS波形和二维匹配滤波处理能够准确捕获目标参数。图5展示了不同信噪比条件下的通信误码率变化。随着信噪比从0 dB提高至25 dB误码率整体下降体现出均衡接收对噪声条件改善的敏感性。低信噪比区域中噪声与信道干扰共同影响判决结果中高信噪比区域中主要误差来源逐步转向有限网格分辨率、旁瓣和迭代求解误差。该曲线表明系统在提高发射功率或改善接收信噪比后能够获得更可靠的通信性能。图6给出了发射与接收信号的时域幅度和频域谱形。接收信号由于经历多目标叠加、相位旋转和噪声扰动时域幅度相对发射信号出现一定起伏频域上两者整体带宽保持一致说明感知回波没有改变发射波形的基本频谱占用。图7进一步以柱状图方式比较真实目标参数与估计参数距离和速度均保持一致直观验证了峰值检测结果。综合通信和感知结果可以看出OTFS波形具有较强的联合处理潜力。一方面延迟-多普勒域的符号组织方式使高速目标导致的时变效应转化为较稳定的二维稀疏结构便于通信均衡另一方面同一结构也使目标回波在二维搜索平面上呈现可识别峰值便于距离与速度估计。对于车载通信、路侧感知和低空平台网络等场景该特性能够降低波形和硬件的重复设计成本。图5 不同信噪比下的通信误码率曲线图6 发射与接收信号的时域波形和频域谱形图7 多目标距离和速度估计结果对比5 结论本文建立了一个基于OTFS的通信感知一体化仿真系统并围绕高速移动多目标场景完成了通信恢复和目标参数估计验证。系统以同一OTFS波形为基础在发送端完成16-QAM符号映射和二维调制在信道端建立稀疏延迟-多普勒目标模型在接收端同时执行LMMSE均衡和二维匹配滤波。仿真结果表明OTFS能够在多目标回波条件下保持通信链路可用性并能够在距离-速度平面中准确估计目标位置。从结果看OTFS-ISAC的优势主要体现在三个方面。第一延迟-多普勒域表达适合描述高速移动目标使时变信道具有更清晰的稀疏结构。第二LMMSE均衡能够有效缓解多目标回波对通信符号的干扰使接收星座点重新收敛到理想判决区域。第三基于发射波形的二维匹配滤波可以直接产生距离-速度感知图真实目标与估计峰值一致说明该波形具备较强的参数估计能力。后续研究可在当前模型基础上进一步引入非格点目标、角度维阵列处理、车辆运动轨迹、相位噪声、功放非线性和多用户接入等因素以更接近实际通信感知一体化系统。与此同时还可研究低复杂度均衡、旁瓣抑制、自适应导频设计和通信感知资源分配方法从而在复杂场景中进一步提升OTFS-ISAC系统的工程可用性。参考文献[1] Raviteja P, Phan K T, Hong Y, Viterbo E. Embedded pilot-aided channel estimation for OTFS in delay-Doppler channels[J]. IEEE Transactions on Vehicular Technology, 2019, 68(5): 4906-4917.[2] Surabhi G D, Chockalingam A. Low-complexity linear equalization for OTFS modulation[J]. IEEE Communications Letters, 2020, 24(2): 330-334.[3] Liu F, Masouros C, Petropulu A P, Griffiths H, Hanzo L. Joint radar and communication design: applications, state-of-the-art, and the road ahead[J]. IEEE Transactions on Communications, 2020, 68(6): 3834-3862.[4] Gaudio L, Kobayashi M, Bissinger B, Caire G. On the effectiveness of OTFS for joint radar parameter estimation and communication[C]//IEEE International Conference on Communications Workshops. Dublin: IEEE, 2020: 1-6.[5] Wei Z, Yuan W, Li S, Yuan J, Bharatula G, Hadani R, Hanzo L. Orthogonal time-frequency space modulation: a promising next-generation waveform[J]. IEEE Wireless Communications, 2021, 28(4): 136-144.[6] Yuan W, Wei Z, Li S, Yuan J, Ng D W K. Integrated sensing and communication-assisted orthogonal time frequency space transmission for vehicular networks[J]. IEEE Journal on Selected Areas in Communications, 2021, 39(7): 2068-2083.[7] Zhang J A, Rahman M L, Wu K, Huang X, Guo Y J, Chen S, Yuan J. Enabling joint communication and radar sensing in mobile networks: a survey[J]. IEEE Communications Surveys Tutorials, 2022, 24(1): 306-345.[8] Liu A, Huang Z, Li M, Wan Y, Li W, Han T X, Liu C, Du R, Li D, Cheng X. A survey on fundamental limits of integrated sensing and communication[J]. IEEE Communications Surveys Tutorials, 2022, 24(2): 994-1034.[9] Cui Y, Liu F, Jing X, Mu J. Integrating sensing and communications for ubiquitous IoT: applications, trends, and challenges[J]. IEEE Network, 2021, 35(5): 158-167.[10] Hong Y, Thaj T, Viterbo E. Delay-Doppler Communications: Principles and Applications[M]. London: Academic Press, 2022.2、仿真结果演示3、关键代码展示略4、MATLAB 源码获取V点击下方名片关注公众号获取