【MATLAB源码】6G波形：OTFS 高移动性通感一体化仿真平台

3GPP仿真实验室
42 阅读5分钟

​

🚀 6G OTFS 高移动性通感一体化仿真平台

面向 6G 高铁与低轨卫星场景的下一代波形完整实现 同时支持高多普勒鲁棒传输 (High Mobility) 与雷达感知 (ISAC) 功能

​

📌 为什么选择本仿真平台？

在 6G 高铁 (High-Speed Train) 和 低轨卫星 (LEO Satellite) 场景下，传统 OFDM 波形面临严重的子载波间干扰 (ICI)。本平台基于 OTFS (Orthogonal Time Frequency Space) 技术，提供了一套完整的抗多普勒解决方案，完美解决了高移动性场景下的通信可靠性与通感一体化需求。

痛点 (OFDM/5G NR)本平台解决方案 (OTFS)
📡ICI 干扰严重✅DD 域不变性：在时延-多普勒域处理信号，将快变信道转化为时不变的 2D 卷积信道
🚄 由于多普勒导致的 BER 地板✅ 全分集增益：通过 ISFFT 和 Heisenberg 变换，符号经历整个时频平坦衰落，实现 500km/h+ 鲁棒传输
🕵️ 信道估计开销大✅ 嵌入式导频：利用 DD 域信道稀疏性，仅需极少量导频即可精准估计信道 (含分数多普勒)
🦇 感知能力弱✅ISAC 天然融合：波形直接对应雷达参数 (距离/速度)，天然具备高分辨率感知能力

🎯 核心价值

​​

🔬 学术研究价值

  • 前沿复现：完整实现经典文献 (Hadani, Viterbo 等) 及最新 3GPP 6G 提案算法
  • 深度分析：提供 MP 检测器收敛性、模糊函数、PAPR 等深度理论分析图表
  • 场景覆盖：支持 MIMO-OTFS、CDL/TDL 信道、RIS 辅助等前沿方向扩展
  • 数学严谨：代码与《算法文档》中的数学公式一一对应，便于推导验证

💼 工程应用价值

  • 3GPP 兼容：集成 TDL/CDL 信道模型 (TR 38.901)，直接评估 OTFS 在 5G 标准信道下的性能
  • 模块化架构：Modulator/Detector/Channel 模块解耦，易于移植到 FPGA/DSP 验证
  • 即插即用：标准化的输入输出接口，可快速集成到现有 5G 链路级仿真平台
  • 代码质量：全中文注释、矩阵化运算优化，适合团队协作与二次开发

⚡ 技术亮点

🌊 双域变换信号处理流

本平台完整实现了 OTFS 的核心双域变换架构，清晰展示了信号在 DD 域、TF 域和时域之间的流转：

X_DD ──► [ISFFT] ──► X_TF ──► [Heisenberg] ──► s(t)
                      │            │          │
                   DD->TF        TF->Time    时域变换
                  (预编码)        (IFFT)

📊 性能指标 (实测数据)

基于 Demo Step 10 & Step 4 实测结果

指标场景OFDM (5G NR)OTFS (本平台)结论
BER @ 350km/hTDL-C (NLOS)1e-2 (Error Floor)1e-5📉 打破误码墙
BER @ 500km/hTDL-E (LOS)失效1e-4🚀 极端移动性支持
PAPR64-QAM~11 dB~11 dB🔋 如果不预编码，PAPR 相当
感知精度ISACN/A米级/米每秒🎯 高精度测距测速

🖥️ 运行环境

  • MATLAB 版本: R2023b 或 R2024b (推荐)
  • 依赖工具箱:
    • Signal Processing Toolbox (必须)
    • Communications Toolbox (推荐)
    • 5G Toolbox (可选，用于 TDL/CDL 信道生成)

📄 文档体系预览

本平台提供 "代码 + 算法" 双轨制文档，助您从理论推导到代码落地无缝衔接。

📘 [算法原理文档]markdown-preview - 副本.png

包含 2D 循环卷积推导、海森堡变换性质、MP 消息传递算法因子图推导。

📒 代码使用指南

markdown-preview (1) - 副本.png

包含核心 API 字典 (otfs_mod, mp_detector)、输入输出维度说明及 Demo 运行指引。

💻 核心代码展示

我们追求 "代码即文档" 的可读性：

🔥 核心机制：2D 循环卷积信道 (src/channel/apply_dd_channel.m)

function Y_DD = apply_dd_channel(X_DD, H_DD, snr_dB)
% APPLY_DD_CHANNEL 在 DD 域应用信道 (核心物理意义)
%
% 原理: OTFS 中的时变信道等效为 DD 域的 "2D 循环卷积"
%      Y[k,l] = H[k,l] * X[k,l] (在 2D 频域相乘)
%
% 算法: 利用 2D-FFT 的卷积性质加速计算
%      Y = IFFT2( FFT2(H) .* FFT2(X) )
​
    % 1. 变换到 2D 频域 (辛傅里叶对偶域)
    H_freq = fft2(H_DD);
    X_freq = fft2(X_DD);
    
    % 2. 频域点乘 (等价于 DD 域卷积)
    Y_temp = ifft2(H_freq .* X_freq);
    
    % 3. 添加噪声
    if nargin >= 3
        % ... (计算噪声功率并叠加 AWGN)
    end
end

🚀 消息传递检测器 (src/receiver/mp_detector.m)

function X_hat = mp_detector(Y, H, N0, iter)
% MP_DETECTOR 消息传递迭代检测
% 
% 适用于大规模 OTFS 系统的低复杂度检测算法
% 复杂度: O(N_iter * M * N * L), 远低于 MMSE 的 O((MN)^3)
​
    % 初始化消息 (均值与方差)
    mu_x = zeros(M, N); 
    var_x = ones(M, N);
    
    for i = 1:iter
        % 1. 观察节点更新 (Interference Cancellation)
        % ...
        
        % 2. 变量节点更新 (Symbol Estimation)
        % ...
        
        % 3. 阻尼与收敛判决
    end
end

🎬 一键运行

>> cd demos
>> demo_step10_nr_6g_evolution  % 运行 6G 演进旗舰演示 (CDL信道 + 500km/h)
>> demo_step3_mmse              % 运行 MMSE 均衡性能基准

结果预览：

fig1_ambiguity_2d.png fig1_constellation_comparison.png fig1_dd_channel_response.pngfig1_dd_grid.pngfig1_dd_vs_tf_channel.pngfig1_mimo_antenna.pngfig1_mimo_capacity.pngfig1_nr_channel_models.pngfig1_papr_ccdf.pngfig1_pilot_frame_structure.pngfig1_system_diagram.pngfig2_ambiguity_3d.pngfig2_cdl_mimo_correlation.pngfig2_channel_estimation_comparison.pngfig2_dd_tf_transform.pngfig2_high_mobility_ber.pngfig2_isfft_transform.pngfig2_mimo_diversity.pngfig2_mmse_weights.pngfig2_mp_convergence.pngfig2_tf_vs_dd_sparsity.pngfig2_time_domain_comparison.pngfig3_ambiguity_cuts.pngfig3_antenna_correlation.pngfig3_ber_vs_snr.pngfig3_doppler_effect.pngfig3_mimo_channel.pngfig3_nmse_vs_snr.pngfig3_otfs_vs_ofdm.png fig3_otfs_vs_ofdm_nr.pngfig3_otfs_vs_ofdm_nr_500kmh.pngfig3_papr_histogram.pngfig3_performance_dashboard.pngfig3_time_domain.pngfig4_channel_types.pngfig4_equalization_effect.pngfig4_isac_demo.pngfig4_mimo_ber_simulation.pngfig4_spectrum_comparison.pngfig4_velocity_comparison.pngfig5_channel_matrix.pngfig5_constellation_comparison.pngfig5_error_analysis.pngfig5_heff_velocity_comparison.pngfig6_channel_impact.pngfig6_system_diagram.png

🛒 获取方式

本文代码仅为核心片段，完整版工程已整理好。 关注公众号 【3GPP 仿真实验室】进行获取。

 __________  - -transformed.bmp; filename=UTF-8''æ_«ç æ__ç´¢è__å__ä¼ æ__æ ·å¼-æ å__è_²ç-transformed.png

📚 参考文献

[1] R. Hadani, S. Rakib, M. Tsatsanis, A. Monk, A. J. Goldsmith, A. F. Molisch, and R. Calderbank, "Orthogonal time frequency space modulation," in Proc. IEEE WCNC, Mar. 2017, pp. 1–6.

[2] P. Raviteja, K. T. Phan, Y. Hong, and E. Viterbo, "Interference cancellation and iterative detection for orthogonal time frequency space modulation," IEEE Trans. Wireless Commun., vol. 17, no. 10, pp. 6501–6515, Oct. 2018.

[3] 3GPP TR 38.901, "Study on channel model for frequencies from 0.5 to 100 GHz," v17.0.0, Mar. 2022.

[4] Z. Wei, W. Yuan, S. Li, J. Yuan, G. Bharatula, R. Hadani, and L. Hanzo, "Orthogonal time-frequency space modulation: A promising next-generation waveform," IEEE Wireless Commun., vol. 28, no. 4, pp. 136–144, Aug. 2021.

[5] A. Farhang, A. RezazadehReyhani, L. E. Doyle, and B. Farhang-Boroujeny, "Low complexity modem structure for OFDM-based orthogonal time frequency space modulation," IEEE Wireless Commun. Lett., vol. 7, no. 3, pp. 344–347, Jun. 2018.

[6]

avatar
文章
阅读
粉丝