考虑分数 Doppler 条件下的叠加导信 OTFS：模块化端到端学习
信号处理
2026-02-02 v1
摘要
正交时频空间（OTFS）调制已成为克服正交频分复用（OFDM）在高迁移无线通信场景中性能下降的有前景方案。然而，传统 OTFS 收发器依赖多个独立设计的信号处理模块，其孤立优化往往限制全局最佳性能。为克服这一限制，本文提出一种基于模块化深度学习（DL）的端到端 OTFS 收发器框架，包含可训练、可互换的神经网络（NN）模块，包括星座映射/解映射、叠加导信布置、逆 Zak 变换/禾克变换，以及针对联合信道估计与检测（JCED）优化的 U-Net 增强 NN，同时显式考虑循环前缀的影响。这种物理信息化模块化架构提供了与传统 OTFS 系统集成的灵活性和针对不同通信配置的适应性。仿真结果表明，所提方案在归一化均方误差（NMSE）和检测可靠性方面显著优于基准方法，在整数和分数 Doppler 条件下保持鲁健性。结果凸显了基于 DL 的端到端优化在下一代高迁移网络中实现实用且高性能 OTFS 收发器的潜力。
引用
@article{arxiv.2601.22523,
title = {Superimposed-Pilot OTFS Under Fractional Doppler: Modular End-to-End Learning},
author = {Yushi Lei and Yusha Liu and Guanghui Liu and Lei Wan and Kun Yang},
journal= {arXiv preprint arXiv:2601.22523},
year = {2026}
}
备注
13 pages, 12 figures