⚡ electrical engineering

AFDM-FTN: A Spectrally Efficient Waveform for High-Mobility Communications

यह शोध पत्र AFDM-FTN वेवफॉर्म का प्रस्ताव करता है, जो उच्च-गतिशीलता संचार के लिए एक स्पेक्ट्रली कुशल समाधान है, और एक कम-जटिलता वाले संयुक्त चैनल अनुमान और डेटा डिटेक्शन स्कीम (BEM-MLMP-JCED) को विकसित करता है जो पारंपरिक बेंचमार्क की तुलना में उन्नत स्पेक्ट्रल दक्षता और कम कम्प्यूटेशनल जटिलता प्राप्त करने के लिए बेसिस एक्सपेंशन मॉडलिंग और मल्टी-लेयर मैसेज पासिंग का लाभ उठाता है।

मूल लेखक: Xianle Dai, Qu Luo, Jianguo Li, Fabien Heliot, Shuangyang Li, Lixia Xiao, Pei Xiao

प्रकाशित 2026-07-15

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Xianle Dai, Qu Luo, Jianguo Li, Fabien Heliot, Shuangyang Li, Lixia Xiao, Pei Xiao

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक भीड़भाड़ वाले, उछलते हुए ट्रैम्पोलिन पार्क में एक गुप्त संदेश भेजने की कोशिश कर रहे हैं। यह पार्क हाई-स्पीड ट्रेनों या उपग्रहों के लिए वायरलेस दुनिया का प्रतिनिधित्व करता है, जहाँ ज़मीन लगातार हिल और डोल रही है (हाई-मोबिलिटी)।

लंबे समय तक, यहाँ संदेश भेजने का मानक तरीका नर्तकों के एक समूह (OFDM) की तरह था जो ताल में रहने की कोशिश कर रहे थे। लेकिन जब ट्रैम्पोलिन बहुत ज़ोर से हिलता है, तो वे एक-दूसरे से टकराकर लड़खड़ा जाते हैं, और संदेश बिगड़ जाता है। एक नया, बेहतर डांस जिसे AFDM (एफाइन फ्रीक्वेंसी डिवीजन मल्टीप्लेक्सिंग) कहा जाता है, इसका आविष्कार हुआ। यह एक ऐसे डांस की तरह है जो संतुलन बनाए रखने के लिए स्पिनिंग मूव्स (घूमने वाले स्टेप्स) का उपयोग करता है, भले ही ट्रैम्पोलिन डोल रहा हो। यह बेहतरीन है, लेकिन यह अभी भी नर्तकों के बीच थोड़ी खाली जगह छोड़ देता है, जिससे ट्रैम्पोलिन की वास्तविक जगह बर्बाद होती है।

बड़ा विचार: नर्तकों को सिकोड़ना (Squeezing the Dancers)
लेखकों ने एक साहसिक प्रश्न पूछा: क्या होगा यदि हम नर्तकों को एक-दूसरे के करीब सिकोड़ सकें ताकि वे बिना टकराए ट्रैम्पोलिन पर अधिक संख्या में फिट हो सकें?

उन्होंने AFDM के स्पिनिंग डांस को FTN (फास्टर-दैन-नायक्विस्ट) नामक एक ट्रिक के साथ जोड़ा। सोचिए कि FTN एक "सुपर-सिकुड़ने" वाली तकनीक है। आमतौर पर, संदेशों के आपस में टकराने से बचने के लिए आपको उनके बीच एक अंतर छोड़ना पड़ता है। FTN कहता है, "चलो गैप को छोड़ देते हैं!" यह जानबूझकर संदेशों को थोड़ा ओवरलैप होने देता है, जिससे एक नियंत्रित "ट्रैफिक जाम" पैदा होता है जिसे रिसीवर सुलझा सकता है। यह सिस्टम को उसी स्थान में बहुत अधिक डेटा पैक करने की अनुमति देता है, जिससे स्पेक्ट्रल एफिशिएंसी (SE) बढ़ती है—यानी, प्रति हर्ट्ज़ अधिक बिट्स प्रति सेकंड प्राप्त करना।

समस्या: उलझा हुआ ओवरलैप (The Messy Overlap)
यहाँ पेंच यह है: जब आप हिलते हुए ट्रैम्पोलिन (हाई-मोबिलिटी चैनल) पर संदेशों को सिकोड़ते हैं (FTN), तो गड़बड़ जटिल हो जाती है। संदेश केवल अपने पड़ोसियों से ही नहीं टकराते; वे हिलती हुई ज़मीन से भी मुड़ जाते हैं। यह एक ऐसे पहेली को सुलझाने जैसा है जहाँ टुकड़े हिल रहे हैं और एक ही समय में एक-दूसरे से चिपके हुए हैं।

पेपर का तर्क है कि आप केवल पुराने, सरल उपकरणों (जैसे मानक LMMSE डिटेक्टर) का उपयोग करके इसे ठीक नहीं कर सकते। वे उपकरण एक कुंद चम्मच (blunt spoon) से गांठ सुलझाने की कोशिश करने जैसे हैं—वे जटिल ओवरलैप और कंपन से भ्रमित हो जाते हैं, जिससे बहुत सारी त्रुटियां होती हैं। लेखक स्पष्ट रूप से दिखाते हैं कि पुराने तरीके जब सिकुड़न (squeezing) बहुत टाइट हो जाती है, तो "प्रकट प्रदर्शन गिरावट" (pronounced performance degradation) का शिकार होते हैं।

समाधान: एक तीन-स्तरीय जासूसी टीम (A Three-Layer Detective Team)
इस समस्या को हल करने के लिए, टीम ने एक नया रिसीवर बनाया जिसे AFDM-FTN कहा जाता है, जिसमें BEM-MLMP-JCED नामक एक विशेष मस्तिष्क है। आइए समझते हैं कि यह जासूसी टीम कैसे काम करती है:

टाइम-डोमेन लेयर (ज़मीन): यह परत हिलती हुई ज़मीन को देखती है। टीम एक "बेसिस एक्सपेंशन मॉडल" (BEM) का उपयोग करती है, जो ट्रैम्पोलिन के उछाल का एक मानचित्र होने जैसा है। हर एक उछाल का अनुमान लगाने के बजाय, वे पूरे कंपन का वर्णन करने के लिए कुछ प्रमुख पैटर्न का उपयोग करते हैं, जिससे काम तेज़ और आसान हो जाता है।
FTN लेयर (ओवरलैप): यह परत "सुपर-सिकुड़े" संदेशों को संभालती है। चूंकि संदेश बहुत पास-पास पैक किए गए हैं, इसलिए इस परत को पता होता है कि वे कैसे ओवरलैप होते हैं और यह उन्हें अलग करने में मदद करती है।
ट्रांसफॉर्म लेयर (डांस फ्लोर): यहीं पर स्पिनिंग डांस होता है। यह बिखरे हुए संकेतों को लेता है और उन्हें एक स्पष्ट दृश्य में घुमाता है।

जादू यह है क्योंकि ये तीन परतें एक लूप में एक-दूसरे से बात करती हैं। जासूसी टीम "बलीफ मैसेज" (विश्वास संदेश) इधर-उधर भेजती है। पहले, वे ज़मीन के कंपन का अनुमान लगाते हैं। फिर, वे उस अनुमान का उपयोग सिकुड़े हुए संदेशों को सुलझाने के लिए करते हैं। फिर, वे अब अधिक स्पष्ट हुए संदेशों का उपयोग ज़मीन के कंपन का बेहतर अनुमान लगाने के लिए करते हैं। वे इसे बार-बार करते रहते हैं, अपने उत्तर को परिष्कृत करते रहते हैं, जब तक कि वे सही परिणाम तक न पहुँच जाएँ।

सिमुलेशन क्या दिखाते हैं
लेखकों ने केवल कल्पना नहीं की; उन्होंने परीक्षण करने के लिए हजारों कंप्यूटर सिमुलेशन चलाए। उन्हें यह मिला:

गति बनाम सटीकता: जब उन्होंने संदेशों को सिकोड़ा (एक कंप्रेशन फैक्टर 0.8 का उपयोग करते हुए, जिसका अर्थ है कि उन्होंने उन्हें और सघन बनाया), तो नए सिस्टम ने त्रुटि दर (error rate) को बिना सिकुड़े वाले संस्करण के लगभग समान रखा। वास्तव में, 1.1 × 10⁻³ की एक विशिष्ट त्रुटि दर पर, नया सिस्टम पुराने "चम्मच" वाले तरीके (LMMSE) से लगभग 3.5 dB बेहतर था।
"परफेक्ट" बेंचमार्क: भले ही उनके पास एक पूर्ण क्रिस्टल बॉल (पूर्ण चैनल जानकारी) नहीं थी, फिर भी उनका नया सिस्टम उस सिस्टम के प्रदर्शन के बहुत करीब पहुँच गया जिसके पास हिलती हुई ज़मीन के बारे में सब कुछ पता था।
वास्तविक दुनिया के लाभ: जब उन्होंने वास्तविक डेटा थ्रूपुट (सुरक्षित रखने के लिए आवश्यक "गार्ड" स्पेस को ध्यान में रखते हुए) की गणना की, तो नए सिस्टम ने मानक विधि की तुलना में QPSK के लिए 0.20 bit/s/Hz और 16-QAM के लिए 0.39 bit/s/Hz अतिरिक्त डेटा दिया। यह बिना नई सड़कें बनाए हाईवे पर एक अतिरिक्त लेन मिलने जैसा है।
जटिलता: सबसे अच्छी बात? नया सिस्टम पुराने तरीकों की तुलना में वास्तव में कम कम्प्यूटेशनल रूप से भारी है। यह एक तेज़, स्मार्ट जासूस है जिसे पहेली सुलझाने के लिए सुपरकंप्यूटर की आवश्यकता नहीं है।

निष्कर्ष (The Bottom Line)
पेपर सुझाव देता है कि AFDM के स्पिनिंग डांस को FTN की टाइट पैकिंग के साथ जोड़कर, और फिर एक स्मार्ट, तीन-स्तरीय जासूसी टीम का उपयोग करके, हम हाई-स्पीड वाहनों और उपग्रहों को सिग्नल टूटे बिना बहुत अधिक डेटा भेज सकते हैं। यह हमें अपने मौजूदा एयरवेव्स से अधिक गति प्राप्त करने का एक तरीका है, जो यह साबित करता है कि कभी-कभी, थोड़ा सा नियंत्रित अराजस (controlled chaos/overlap) ही वास्तव में तेज़ चलने के लिए ज़रूरी होता है।

तकनीकी सारांश: AFDM-FTN: उच्च-गतिशीलता संचार के लिए एक स्पेक्ट्रली कुशल वेवफॉर्म

समस्या विवरण
अगली पीढ़ी के वायरलेस सिस्टम (6G और उससे आगे) को उच्च-गतिशीलता वाले परिदृश्यों, जैसे कि हाई-स्पीड रेलवे और लो-अर्थ ऑर्बिट (LEO) उपग्रहों में उन्नत स्पेक्ट्रल दक्षता (SE) और अत्यंत उच्च विश्वसनीयता की आवश्यकता होती है। इन वातावरणों में, चैनल दोहरी रूप से चयनात्मक (समय-परिवर्तनीय और आवृत्ति-चयनात्मक) होते हैं, जिससे पारंपरिक ऑर्थोगोनल फ्रीक्वेंसी डिवीजन मल्टीप्लेक्सिंग (OFDM) में गंभीर इंटर-कैरियर इंटरफेरेंस (ICI) होता है। जबकि एफ़िन (Affine) फ्रीक्वेंसी डिवीजन मल्टीप्लेक्सिंग (AFDM) अपनी डॉप्लर प्रतिरोधक क्षमता के कारण एक मजबूत विकल्प के रूप में उभरा है, यह पारंपरिक रूप से नायquist (Nyquist) मानदंड का पालन करता है, जो इसकी SE को सीमित करता है। इसके विपरीत, फास्टर-दैन-नायquist (FTN) सिग्नलिंग नियंत्रित इंटर-सिंबल इंटरफेरेंस (ISI) को जानबूझकर पेश करके SE में सुधार करती है, लेकिन यह उच्च-गतिशीलता वाले चैनलों के साथ जुड़ने पर महत्वपूर्ण डिटेक्शन चुनौतियों का सामना करती है। मुख्य समस्या यह है कि उच्च SE प्राप्त करने के लिए FTN सिग्नलिंग को AFDM फ्रेमवर्क (AFDM-FTN बनाने के लिए) में कैसे एकीकृत किया जाए, बिना अत्यधिक कम्प्यूटेशनल जटिलता या प्रदर्शन में गिरावट के, जो चैनल की समय-परिवर्तनशीलता, FTN-प्रेरित ISI और डेटा डिटेक्शन के जटिल जुड़ाव के कारण उत्पन्न होती है।

कार्यप्रणाली
यह शोध पत्र एक नवीन AFDM-FTN सिस्टम और एक संगत निम्न-जटिलता वाले रिसीवर आर्किटेक्चर का प्रस्ताव करता है। कार्यप्रणाली निम्नलिखित चरणों के माध्यम से आगे बढ़ती है:

सिस्टम मॉडलिंग: लेखक AFDM-FTN के इनपुट-आउटपुट संबंध को व्युत्पन्न करते हैं। वे प्रदर्शित करते हैं कि FTN सिग्नलिंग प्रभावी चैनल मैट्रिक्स में अतिरिक्त इंटरफेरेंस टर्म्स पेश करती है, जिससे एक युग्मित संरचना (coupled structure) बनती है जहाँ मल्टीपाथ घटक FTN-प्रेरित ISI के साथ ओवरलैप होते हैं। यह दिखाया गया है कि प्रभावी चैनल मैट्रिक्स सघन (dense) है, जो प्रत्यक्ष डिटेक्शन को जटिल बनाता है।
चैनल अनुमान (BEM): FTN-ISI की उपस्थिति में समय-परिवर्तनीय चैनलों के अनुमान की चुनौती को संबोधित करने के लिए, लेखक एक बेसिस एक्सपेंशन मॉडल (BEM)-सहायता प्राप्त चैनल एस्टिमेटर विकसित करते हैं। यह दृष्टिकोण पथ गुणांकों (path coefficients) और डॉप्लर शिफ्ट के बीच के गैर-रेखीय युग्मन को एक संक्षिप्त रैखिक मॉडल में पुनर्गठित करता है। AFDM चैनल की अंतर्निहित विशेषताओं और FTN मैट्रिसेस का लाभ उठाकर, यह विधि अनुमान की जटिलता को $O(LN) $से घटाकर$ O(L(Q+1)) $कर देती है, जहाँ$ L $पथों की संख्या है और$ Q$ BEM क्रम है, जिससे अत्यधिक पायलट ओवरहेड और इल-कंडीशन्ड समस्याओं से बचा जा सके।
डेटा डिटेक्शन (MLMP): यह पहचानते हुए कि सघन प्रभावी चैनल मैट्रिक्स मानक मैसेज पासिंग में बाधा डालता है, लेखक एक मल्टी-लेयर मैसेज पासिंग (MLMP) एल्गोरिदम का प्रस्ताव करते हैं। यह डिटेक्टर सिस्टम को तीन परतों में विभाजित करता है:
- टाइम-डोमेन (TD) चैनल लेयर: भौतिक चैनल डिले टैप्स की स्पर्सिटी (sparsity) का लाभ उठाती है।
- FTN लेयर: ज्ञात FTN गुणांक मैट्रिक्स की स्पर्सिटी का लाभ उठाती है।
- ट्रांसफॉर्म लेयर: डिस्क्रीट एफ़िन फूरियर ट्रांसफॉर्म (DAFT) की यूनिटरी प्रकृति का उपयोग करती है।
  इन परतों में कुशलतापूर्वक डिटेक्शन करने के लिए विश्वास संदेशों (belief messages) को पुनरावृत्ति (iteratively) के माध्यम से प्रसारित किया जाता है।
संयुक्त पुनरावृत्ति योजना (BEM-MLMP-JCED): शोध पत्र BEM एस्टिमेटर और MLMP डिटेक्टर को एक संयुक्त पुनरावृत्ति योजना में एकीकृत करता है। इस ढांचे में, MLMP डिटेक्टर से प्राप्त सॉफ्ट डेटा अनुमानों को चैनल अनुमान को परिष्कृत करने के लिए फीडबैक किया जाता है, जो बदले में बाद के डिटेक्शन में सुधार करता है। यह प्रक्रिया अभिसरण (convergence) तक पुनरावृत्त होती है।

प्रमुख योगदान

AFDM-FTN सिस्टम प्रस्ताव: एक नवीन वेवफॉर्म जो DAFT-डोमेन सिग्नल अवधि को संकुचित करता है और व्यावहारिक पल्स-शेपिंग के माध्यम से FTN सिग्नलिंग को शामिल करता है, जिसे विशेष रूप से उच्च-गतिशीलता परिदृश्यों के लिए डिज़ाइन किया गया है। शोध पत्र एक कठोर इनपुट-आउटपुट संबंध प्रदान करता है और परिणामी इंटरफेरेंस पैटर्न का विश्लेषण करता है।
BEM-सहायता प्राप्त अनुमान ढांचा: एक निम्न-जटिलता वाला चैनल अनुमान विधि जो चैनल मापदंडों के गैर-रेखीय युग्मन को रैखिक बनाती है। यह पारंपरिक तरीकों की तुलना में पायलट ओवरहेड और कम्प्यूटेशनल बोझ को काफी कम करता है।
MLMP डिटेक्टर: एक उन्नत डिटेक्शन एल्गोरिदम जो TD चैनल, FTN और ट्रांसफॉर्म परतों के माध्यम से संदेशों को प्रसारित करता है। यह एक सघन इंटरफेरेंस वातावरण में कुशल डिटेक्शन सक्षम करने के लिए भौतिक चैनल और FTN गुणांक मैट्रिक्स दोनों की स्पर्सिटी का स्पष्ट रूप से लाभ उठाता है।
संयुक्त पुनरावृत्ति योजना (BEM-MLMP-JCED): एक एकीकृत रिसीवर जो संयुक्त रूप से चैनल अनुमान और डेटा डिटेक्शन करता है, जिससे कम जटिलता के साथ बेहतर बिट एरर रेट (BER) प्रदर्शन प्राप्त होता है।
सैद्धांतिक विश्लेषण: शोध पत्र चैनल अनुमान त्रुटि पर एक निचली सीमा (lower bound) व्युत्पन्न करता है, अभिसरण व्यवहार को चरित्रित करने के लिए स्टेट इवोल्यूशन का उपयोग करके MSE प्रदर्शन का विश्लेषण करता है, और एक विस्तृत कम्प्यूटेशनल जटिलता विश्लेषण प्रदान करता है।

परिणाम
सिमुलेशन परिणाम विभिन्न स्थितियों के तहत प्रस्तावित सिस्टम को मान्य करते हैं:

परफेक्ट CSI बनाम प्रदर्शन: BEM-MLMP-JCED योजना लगभग 20 पुनरावृत्तियों के भीतर अभिसरित होती है, जो परफेक्ट चैनल स्टेट इंफॉर्मेशन (CSI) वाले सिस्टम के करीब BER प्रदर्शन प्राप्त करती है।
संपीड़न (Compression) के प्रति मजबूती: सिस्टम आक्रामक FTN संपीड़न कारकों (जैसे $\alpha = 0.8$ ) के साथ भी पारंपरिक AFDM (नायquist मामले) के समान BER बनाए रखता है, जबकि महत्वपूर्ण SE लाभ प्रदान करता है।
बेंचमार्क के साथ तुलना: प्रस्तावित AFDM-FTN, BEM-MLMP-JCED के साथ, OFDM-FTN और OTFS-FTN योजनाओं से बेहतर प्रदर्शन करता है। विशेष रूप से, यह $\alpha = 0.8$ के लिए $1.1 \times 10^{-3}$ के BER पर LMMSE डिटेक्टरों की तुलना में लगभग 3.5 dB का लाभ प्राप्त करता है।
स्पेक्ट्रल दक्षता (SE): व्यावहारिक प्रभावी SE (पायलट ओवरहेड, गार्ड इंटरवल और BER को ध्यान में रखते हुए) के संदर्भ में, प्रस्तावित सिस्टम $\alpha = 0.8$ के साथ उच्च SNR पर पारंपरिक AFDM की तुलना में अतिरिक्त 0.20 bit/s/Hz (QPSK) और 0.39 bit/s/Hz (16-QAM) प्राप्त करता है।
जटिलता: प्रस्तावित एल्गोरिदम सब-कैरियर्स की संख्या के साथ रैखिक जटिलता स्केलिंग ( $O(N)$ ) प्रदर्शित करता है, जो पारंपरिक $O(N^3)$ जटिलता वाले LMMSE दृष्टिकोणों की तुलना में एक बड़ा सुधार है।

महत्व
शोध पत्र का दावा है कि प्रस्तावित AFDM-FTN सिस्टम उच्च-गतिशीलता वाले चैनलों के लिए विशेष रूप से आकर्षक है क्योंकि यह सफलतापूर्वक AFDM की डॉप्लर प्रतिरोधक क्षमता को FTN सिग्नलिंग के स्पेक्ट्रल दक्षता लाभों के साथ जोड़ता है। इसका महत्व एक संरचित, निम्न-जटिलता वाले रिसीवर (BEM-MLMP-JCED) के विकास में निहित है जो समय-परिवर्तनीय चैनलों और नियंत्रित ISI की संयुक्त चुनौतियों को संभाल सकता है। यह प्रदर्शित करके कि BER प्रदर्शन से समझौता किए बिना या अत्यधिक कम्प्यूटेशनल लागत उठाए बिना उच्च SE प्राप्त किया जा सकता है, यह कार्य अगली पीढ़ी के उच्च-गतिशीलता संचार प्रणालियों के लिए एक व्यवहार्य मार्ग प्रदान करता है। चैनल अनुमान निचली सीमा और स्टेट इवोल्यूशन का सैद्धांतिक विश्लेषण प्रस्तावित आर्किटेक्चर की मौलिक सीमाओं और अभिसरण व्यवहार के बारे में अंतर्दृष्टि प्रदान करता है।

इसी तरह के और पेपर