🔢 mathematics

Non-Orthogonal Affine Frequency Division Multiplexing for Spectrally Efficient High-Mobility Communications

本文提出了一种通过引入带宽压缩因子实现可控子载波重叠的非正交仿射频分复用（nAFDM）波形，并配套设计了基于 IDFT 的高效生成方法与软迭代检测算法，在保持与常规 AFDM 相近误码率的同时显著提升了频谱效率，为高移动性通信提供了优异的误码率与频谱效率权衡方案。

原作者： Qin Yi, Zilong Liu, Leila Musavian, Zeping Sui

发布于 2026-02-17

📖 1 分钟阅读🧠 深度阅读

CC BY 4.0

原作者： Qin Yi, Zilong Liu, Leila Musavian, Zeping Sui

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文提出了一种名为**“非正交仿射频分复用”（nAFDM）**的新技术，旨在解决高速移动环境（如高铁、无人机、卫星通信）下的通信难题，同时让通信速度更快、频谱利用率更高。

为了让你轻松理解，我们可以把通信过程想象成在一条繁忙的高速公路上运送货物。

1. 背景：为什么我们需要新技术？

传统方法（OFDM）的困境：
想象现在的通信像是一条严格划分车道的公路（正交频分复用，OFDM）。每条车道（子载波）之间都有白色的虚线隔开，互不干扰。
- 问题：当车速极快（高移动性，如高铁）时，会产生“多普勒效应”，就像你坐在飞驰的火车上看窗外，景物会模糊变形。这导致车辆（信号）容易压线，冲入旁边的车道，造成干扰（ICI），货物（数据）就会出错。
现有的改进方案（AFDM）：
为了解决这个问题，科学家发明了一种叫AFDM的新公路。它不再画死板的虚线，而是让车辆（信号）像旋转的螺旋桨（啁啾信号）一样行驶。这种设计对高速移动非常鲁棒，即使车速很快，信号也能保持清晰。
- 缺点：虽然它很稳，但为了保持“互不干扰”，车道之间必须留有空隙，导致路面利用率不够高（频谱效率低），就像为了安全，每条车道都留了很宽的缓冲区，浪费了空间。

2. 核心创新：nAFDM 是什么？

这篇论文提出的 nAFDM，就像是把公路上的“安全缓冲区”压缩了。

压缩带宽（Bandwidth Compression）：
作者引入了一个“压缩因子”（ $\alpha$ $α$ ）。想象一下，原本每条车道宽 10 米，现在通过技术手段，把车道压缩到 8 米宽。
- 结果：在同样的路面宽度（带宽）下，可以塞进更多的车道（子载波）。这意味着单位时间内能运送更多的货物，也就是频谱效率（SE）更高了。
非正交（Non-Orthogonal）的代价：
既然车道变窄了，车辆之间难免会蹭到（重叠），产生干扰。这就是“非正交”带来的载波间干扰（ICI）。
- 挑战：如果不管这些干扰，货物就会乱套，错误率飙升。

3. 解决方案：如何消除干扰？

既然允许车辆“蹭线”了，就需要一套更聪明的交通指挥系统来消除混乱。论文提出了两个关键策略：

A. 聪明的“软迭代检测”算法（Soft Iterative Detection）

比喻：想象你在嘈杂的房间里听人说话。
- 普通方法（MMSE）：就像你只凭耳朵听一次，如果周围太吵，你就听不清，直接猜错了。
- nAFDM 的新方法：就像你反复听、反复猜。
  1. 先听一遍，猜出大概说了什么。
  2. 利用猜出的内容，去减去背景里那些确定的噪音（干扰）。
  3. 再听一遍，这次背景干净了，猜得更准。
  4. 对于实在听不清的“关键单词”（低可靠性符号），再专门进行二次确认。
- 效果：通过这种“猜 - 减噪 - 再猜”的循环，即使车道很挤（干扰很大），也能把货物准确无误地送达到目的地。

B. “修剪”干扰（ICI Pruning）

比喻：在清理噪音时，不需要把房间里所有的微小杂音都处理掉，那样太累（计算量太大）。
- 策略：只关注那些声音最大、最响的干扰源（主要干扰分量），忽略那些微乎其微的杂音。
- 效果：用更少的力气（更低的计算复杂度），达到了几乎相同的清理效果。这让这项技术更容易在现有的手机或基站芯片上实现。

4. 实际效果如何？

论文通过大量模拟实验证明了 nAFDM 的厉害之处：

既快又稳：在同样的速度下，nAFDM 比传统的 OFDM 和 OCDM 能运送多 17.6% 的数据量（频谱效率更高）。
不牺牲质量：虽然车道挤了，但通过那个聪明的“软迭代检测”算法，它的**错误率（BER）**竟然和原本很稳但很慢的 AFDM 几乎一样低！
灵活可调：你可以根据需求调整“压缩程度”。如果你想要极速（高带宽压缩），就接受稍微多一点点的干扰风险；如果你想要绝对稳定，就少压缩一点。它在速度和稳定性之间找到了完美的平衡点。

总结

这篇论文就像是在高速公路上发明了一种“超级压缩术”：
它把原本为了安全而留出的巨大空隙压缩掉，让路面能跑更多车（提升频谱效率）。虽然车挤车了（产生干扰），但它发明了一套超级聪明的“反复确认”和“抓大放小”的指挥系统，确保在高速移动中，货物依然能安全、准确、大量地送达。

这对于未来的6G 通信、高铁上网、无人机群控以及卫星互联网来说，是一项非常关键的突破，能让我们在高速移动中也能享受像光纤一样快且稳的网速。

论文技术总结：用于高移动性通信的非正交仿射频分复用 (nAFDM)

1. 研究背景与问题 (Problem)

随着第六代移动通信系统（6G）的发展，车联网、高铁、无人机及低轨卫星网络等高移动性场景对无线通信的可靠性提出了极高要求。

现有挑战：传统的正交频分复用（OFDM）在高多普勒频移下会遭受严重的载波间干扰（ICI），导致性能急剧下降。虽然正交时频空间（OTFS）和仿射频分复用（AFDM）通过二维调制或线性调频（Chirp）子载波提高了抗多普勒能力，但它们通常基于正交子载波设计，频谱效率（SE）受限。
核心矛盾：为了追求更高的频谱效率，非正交波形（如频谱效率频分复用 SEFDM）通过子载波重叠来传输更多符号，但这会引入严重的 ICI。然而，现有的非正交方案（如 SEFDM）对多普勒效应敏感，难以直接应用于高移动性场景。
研究问题：如何设计一种既能保持 AFDM 对高移动性信道（双选择性信道）的鲁棒性，又能通过非正交子载波重叠进一步提升频谱效率的新型波形？同时，如何有效抑制非正交性带来的 ICI？

2. 方法论 (Methodology)

论文提出了一种**非正交仿射频分复用（nAFDM）**波形，并配套了高效的信号生成、信道建模及检测算法。

2.1 系统模型与波形设计

带宽压缩因子 ( $\alpha$ )：在 AFDM 调制器中引入带宽压缩因子 $\alpha \in (0, 1)$ 。当 $\alpha=1$ 时为传统正交 AFDM；当 $\alpha < 1$ 时，子载波在频域发生可控重叠，从而提升频谱效率。
信号生成：提出了一种基于**逆离散傅里叶变换（IDFT）**的高效生成方法。通过零填充（Zero-padding）和截断技术，利用现有的 IFFT 模块生成 nAFDM 信号，避免了直接计算 IDAFT 的高复杂度，且无需额外硬件。
循环前缀（CP）：由于非正交性破坏了传统 AFDM 的线性调频周期性，无法使用循环前缀（CPP），因此采用传统的循环前缀（CP）来对抗多径干扰。
输入输出关系：推导了 nAFDM 在双选择性信道下的输入输出关系，揭示了带宽压缩因子 $\alpha$ 如何导致能量在子信道间扩散，并给出了 ICI 的闭式表达式。

2.2 干扰分析与检测算法

ICI 分析：推导了非正交调制引起的载波间干扰（ICI）的闭式表达式，证明了 ICI 的强度与分布直接依赖于带宽压缩因子 $\alpha$ 。分析表明， $\alpha$ 越小，子载波间相关性越强，ICI 越严重。
软迭代检测（Soft Iterative Detection, Soft ID）：
- 针对线性 MMSE 检测器在强 ICI 下性能不足的问题，提出了一种软迭代检测算法。
- 核心机制：利用符号的后验概率信息，在迭代过程中逐步消除干扰并细化符号估计。
- 重检测（Redetection）：引入基于估计方差排序的重检测步骤，专门针对低可靠性符号进行二次判决，进一步提升检测精度。
低复杂度实现（ICI 剪枝）：利用 ICI 矩阵中干扰分量分布不均的特性（主要干扰集中在主对角线附近），提出基于幅度的 ICI 剪枝技术。仅保留 $D$ 个最大的非对角干扰项进行抵消，在显著降低计算复杂度的同时保持性能。

3. 主要贡献 (Key Contributions)

新型波形框架：提出了 nAFDM 波形，首次将非正交频谱效率提升理念与 AFDM 的高移动性鲁棒性相结合，通过引入 $\alpha$ 实现可控的子载波重叠。
高效实现方案：设计了基于 IDFT 的信号生成与解调方案，证明了其计算复杂度与正交 AFDM 相当（ $O(\frac{N}{\alpha}\log_2 \frac{N}{\alpha})$ ），且可复用现有 FFT/IFFT 硬件模块。
理论分析与干扰抑制：
- 推导了 ICI 的闭式表达式，揭示了其与 $\alpha$ 的依赖关系。
- 提出了结合软概率信息和重检测机制的迭代检测算法，有效解决了非正交带来的干扰问题。
- 提出了低复杂度的 ICI 剪枝策略，实现了性能与复杂度的灵活权衡。
全面性能验证：通过仿真证明了 nAFDM 在误码率（BER）和频谱效率（SE）上的综合优势。

4. 仿真结果 (Results)

仿真在双选择性信道（多径 + 多普勒）环境下进行，对比了 OFDM、OCDM、SEFDM、传统 AFDM 及 nAFDM。

误码率（BER）性能：
- 在相同带宽压缩因子下，nAFDM 显著优于 SEFDM（得益于 Chirp 调制的抗多普勒特性）。
- 采用提出的 Soft ID 算法后，nAFDM 的 BER 性能接近甚至超越传统正交 AFDM，且远优于 OFDM 和 OCDM。例如，在 BER= $10^{-4}$ 时，相比 OFDM/OCDM 有超过 10 dB 的增益。
- 在 $\alpha=0.9$ 时，nAFDM 的 BER 性能与传统 AFDM 几乎一致，但频谱效率更高。
频谱效率（SE）：
- nAFDM 通过子载波重叠显著提升了 SE。在 SNR > 15 dB 时，相比 OFDM 和 OCDM 提升了约 17.6%。
- 随着 $\alpha$ 减小，SE 单调增加，而 BER 性能在 Soft ID 算法辅助下仍保持在可接受范围，实现了优异的 BER-SE 权衡。
低复杂度验证：
- 通过 ICI 剪枝（例如保留 75% 的干扰项），在 BER 损失极小的情况下，将 ICI 抵消的计算复杂度降低了约 25%。
鲁棒性：
- 在 imperfect CSI（信道状态信息不完美）下，Soft ID 算法仍表现出良好的性能，尽管误差系数较大时会出现误码平层。
- 与基于 OTFS 的非正交变体（nOTFS）相比，nAFDM 在获得相同 BER/SE 性能的同时，调制复杂度更低。

5. 意义与价值 (Significance)

理论突破：打破了高移动性场景下必须严格保持子载波正交性的传统思维，证明了通过合理的非正交设计和先进的检测算法，可以在高多普勒环境下实现频谱效率的显著提升。
工程实用：提出的基于 IDFT 的实现方案和低复杂度检测算法，使得 nAFDM 能够利用现有的通信硬件（如 IFFT 模块）进行部署，降低了落地门槛。
应用前景：nAFDM 为 6G 高移动性场景（如高铁、卫星互联网）提供了一种兼具高可靠性、高频谱效率和低实现复杂度的波形候选方案，特别是在对频谱资源极其敏感且信道变化剧烈的环境中具有巨大潜力。

总结：该论文成功设计了一种非正交 AFDM 波形，通过引入带宽压缩因子提升频谱效率，并配合创新的软迭代检测与低复杂度剪枝算法，有效解决了非正交带来的干扰问题，实现了高移动性通信中可靠性与频谱效率的双重提升。