针对现有的正交时频空(Orthogonal Time Frequency Space,OTFS)调制系统中最大比合并(Maximal Ratio Combining,MRC)均衡算法收敛速度慢、误码率高的问题,提出一种基于水声OTFS系统的分块线性最小均方误差的最大比合并(Maximal Ratio Co...针对现有的正交时频空(Orthogonal Time Frequency Space,OTFS)调制系统中最大比合并(Maximal Ratio Combining,MRC)均衡算法收敛速度慢、误码率高的问题,提出一种基于水声OTFS系统的分块线性最小均方误差的最大比合并(Maximal Ratio Combining Based on Block Linear Minimum Mean Square Error,BLMMSE-MRC)均衡算法。该算法基于水声信道的稀疏性,利用分块线性最小均方误差算法进行预处理,将输出结果作为MRC检测的初始估计值,然后在延迟多普勒空间中估计发射信号的多径分量,并利用MRC进行合并检测。实验结果表明,与已有零填充最大比合并算法(Maximal Ratio Combining Based on Zero Padding,ZP-MRC)和零填充块线性最小均方误差算法(Block Linear Minimum Mean Square Error Based on Zero Padding,ZP-BLMMSE)相比,所提算法能快速收敛,在10-4误码率条件下,信噪比提升了2 dB以上。展开更多
相比较正交频分复用,正交时频空间(orthogonal time frequency space,OTFS)调制具有较低峰均功率比,能有效抵抗多普勒产生的时间选择性衰落,在双扩展信道中具有良好的性能优势。然而,常规的OTFS线性最小均方误差(linear minimum mean sq...相比较正交频分复用,正交时频空间(orthogonal time frequency space,OTFS)调制具有较低峰均功率比,能有效抵抗多普勒产生的时间选择性衰落,在双扩展信道中具有良好的性能优势。然而,常规的OTFS线性最小均方误差(linear minimum mean square error,LMMSE)方法复杂度高,不易实时处理,为解决这一问题,提出了基于最优坐标下降的无穷范数约束均衡算法。该算法通过一定的迭代次数得到最优解,避免了直接矩阵求逆,采用无穷范数约束均衡提升了符号检测的性能增益。同时利用OTFS在时延-多普勒域信道矩阵每列向量二范数平方相等和稀疏性的特点,进一步降低坐标下降的复杂度。在设计的水声通信场景下,对所提均衡算法的有效性进行了仿真验证,结果表明所提均衡算法在保证低复杂度情况下误码性能接近最小均方误差性能。展开更多
正交时频空(Orthogonal Time Frequency Space,OTFS)是近年来被首次提出的一项新型调制技术,能够在高速移动等具有高多普勒的通信场景中工作。目前关于该技术的接收机算法研究,主要集中在信道状态信息已知时的均衡算法上,而针对此技术...正交时频空(Orthogonal Time Frequency Space,OTFS)是近年来被首次提出的一项新型调制技术,能够在高速移动等具有高多普勒的通信场景中工作。目前关于该技术的接收机算法研究,主要集中在信道状态信息已知时的均衡算法上,而针对此技术的同步算法并未得到充分研究。对此,在现有导频辅助的信道估计算法基础上,提出一种OTFS系统在时域的载波同步技术。所提方法在计算形式上具有易于硬件实现的特点,且仿真结果表明其误码率能够满足工作需要,从而证明了OTFS系统在调制域估偏,然后在时域进行纠偏的可行性。展开更多
车联网借助新一代信息通信技术,实现人、车、路、云等的互联互通.未来beyond 5G(B5G)和6G将赋予下一代车联网更极致的通信与感知性能,有效支撑智能驾驶与智慧交通等创新应用.然而,车辆高速移动带来的高多普勒效应,极大地增加了现有正交...车联网借助新一代信息通信技术,实现人、车、路、云等的互联互通.未来beyond 5G(B5G)和6G将赋予下一代车联网更极致的通信与感知性能,有效支撑智能驾驶与智慧交通等创新应用.然而,车辆高速移动带来的高多普勒效应,极大地增加了现有正交频分复用(Orthogonal frequency division multiplexing,OFDM)系统的载波间干扰和导频开销,尤其是B5G/6G时代毫米波、太赫兹等高频段的广泛应用将进一步加剧这一问题.近年来,正交时频空间(Orthogonal time frequency space, OTFS)技术由于在抗时频双域选择性衰落方面的显著优势受到了业界的广泛关注.基于OTFS实现通信与感知一体化成为了车联网领域的研究热点.本文旨在研究基于OTFS的车联网通感一体化的系统原理、关键技术、应用模式及技术挑战.首先,在现有OTFS通信系统的基础上,探讨OTFS通感一体化的系统架构、实现原理以及通信和感知性能.然后,介绍OTFS技术的国内外研究现状,并进一步从物理层帧结构、导频机制等方面讨论OTFS通感一体化的难点与关键技术.最后,结合实际场景,分析OTFS在车联网通感一体化中的应用及面临的主要挑战.展开更多
正交时频空(Orthogonal Time Frequency Space,OTFS)调制在快时变高多普勒信道中展现出良好的频谱利用率和显著的误码率性能优势。然而,传统的OTFS信道估计方法频谱效率较低,且无法应用于低轨卫星等具有高多普勒频偏的通信场景中。文章...正交时频空(Orthogonal Time Frequency Space,OTFS)调制在快时变高多普勒信道中展现出良好的频谱利用率和显著的误码率性能优势。然而,传统的OTFS信道估计方法频谱效率较低,且无法应用于低轨卫星等具有高多普勒频偏的通信场景中。文章提出了基于嵌入训练(Training Embedded,TE)阵列的信道估计方法,利用训练阵列的完美自相关特性进行准确的信道估计,并提高了频谱效率。同时,针对低轨卫星通信高多普勒频偏的特性,本文利用快速傅里叶变换对路径的整数倍频偏进行估计,补偿并消除列相关相位偏移干扰,提升了低轨卫星通信场景下信道估计的准确度。仿真结果表明,所提方法在地面、低轨通信场景中均具有较高信道估计精度和频谱效率。展开更多
文摘针对现有的正交时频空(Orthogonal Time Frequency Space,OTFS)调制系统中最大比合并(Maximal Ratio Combining,MRC)均衡算法收敛速度慢、误码率高的问题,提出一种基于水声OTFS系统的分块线性最小均方误差的最大比合并(Maximal Ratio Combining Based on Block Linear Minimum Mean Square Error,BLMMSE-MRC)均衡算法。该算法基于水声信道的稀疏性,利用分块线性最小均方误差算法进行预处理,将输出结果作为MRC检测的初始估计值,然后在延迟多普勒空间中估计发射信号的多径分量,并利用MRC进行合并检测。实验结果表明,与已有零填充最大比合并算法(Maximal Ratio Combining Based on Zero Padding,ZP-MRC)和零填充块线性最小均方误差算法(Block Linear Minimum Mean Square Error Based on Zero Padding,ZP-BLMMSE)相比,所提算法能快速收敛,在10-4误码率条件下,信噪比提升了2 dB以上。
文摘相比较正交频分复用,正交时频空间(orthogonal time frequency space,OTFS)调制具有较低峰均功率比,能有效抵抗多普勒产生的时间选择性衰落,在双扩展信道中具有良好的性能优势。然而,常规的OTFS线性最小均方误差(linear minimum mean square error,LMMSE)方法复杂度高,不易实时处理,为解决这一问题,提出了基于最优坐标下降的无穷范数约束均衡算法。该算法通过一定的迭代次数得到最优解,避免了直接矩阵求逆,采用无穷范数约束均衡提升了符号检测的性能增益。同时利用OTFS在时延-多普勒域信道矩阵每列向量二范数平方相等和稀疏性的特点,进一步降低坐标下降的复杂度。在设计的水声通信场景下,对所提均衡算法的有效性进行了仿真验证,结果表明所提均衡算法在保证低复杂度情况下误码性能接近最小均方误差性能。
文摘正交时频空(Orthogonal Time Frequency Space,OTFS)是近年来被首次提出的一项新型调制技术,能够在高速移动等具有高多普勒的通信场景中工作。目前关于该技术的接收机算法研究,主要集中在信道状态信息已知时的均衡算法上,而针对此技术的同步算法并未得到充分研究。对此,在现有导频辅助的信道估计算法基础上,提出一种OTFS系统在时域的载波同步技术。所提方法在计算形式上具有易于硬件实现的特点,且仿真结果表明其误码率能够满足工作需要,从而证明了OTFS系统在调制域估偏,然后在时域进行纠偏的可行性。
文摘车联网借助新一代信息通信技术,实现人、车、路、云等的互联互通.未来beyond 5G(B5G)和6G将赋予下一代车联网更极致的通信与感知性能,有效支撑智能驾驶与智慧交通等创新应用.然而,车辆高速移动带来的高多普勒效应,极大地增加了现有正交频分复用(Orthogonal frequency division multiplexing,OFDM)系统的载波间干扰和导频开销,尤其是B5G/6G时代毫米波、太赫兹等高频段的广泛应用将进一步加剧这一问题.近年来,正交时频空间(Orthogonal time frequency space, OTFS)技术由于在抗时频双域选择性衰落方面的显著优势受到了业界的广泛关注.基于OTFS实现通信与感知一体化成为了车联网领域的研究热点.本文旨在研究基于OTFS的车联网通感一体化的系统原理、关键技术、应用模式及技术挑战.首先,在现有OTFS通信系统的基础上,探讨OTFS通感一体化的系统架构、实现原理以及通信和感知性能.然后,介绍OTFS技术的国内外研究现状,并进一步从物理层帧结构、导频机制等方面讨论OTFS通感一体化的难点与关键技术.最后,结合实际场景,分析OTFS在车联网通感一体化中的应用及面临的主要挑战.
文摘正交时频空(Orthogonal Time Frequency Space,OTFS)调制在快时变高多普勒信道中展现出良好的频谱利用率和显著的误码率性能优势。然而,传统的OTFS信道估计方法频谱效率较低,且无法应用于低轨卫星等具有高多普勒频偏的通信场景中。文章提出了基于嵌入训练(Training Embedded,TE)阵列的信道估计方法,利用训练阵列的完美自相关特性进行准确的信道估计,并提高了频谱效率。同时,针对低轨卫星通信高多普勒频偏的特性,本文利用快速傅里叶变换对路径的整数倍频偏进行估计,补偿并消除列相关相位偏移干扰,提升了低轨卫星通信场景下信道估计的准确度。仿真结果表明,所提方法在地面、低轨通信场景中均具有较高信道估计精度和频谱效率。
