⚡ electrical engineering

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

本文提出了一种用于高移动性通信的频谱效率解决方案 AFDM-FTN 波形，并开发了一种低复杂度的联合信道估计与数据检测方案（BEM-MLMP-JCED），该方案利用基展开建模和多层消息传递，与传统基准相比实现了更高的频谱效率并降低了计算复杂度。

原作者： Xianle Dai, Qu Luo, Jianguo Li, Fabien Heliot, Shuangyang Li, Lixia Xiao, Pei Xiao

发布于 2026-07-15

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Xianle Dai, Qu Luo, Jianguo Li, Fabien Heliot, Shuangyang Li, Lixia Xiao, Pei Xiao

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

想象一下，你正试图在一个拥挤且充满弹性的蹦床公园里发送一条秘密信息。这个公园代表了高速列车或卫星的高速无线世界——这里的地面一直在不断移动和震动（高移动性）。

长期以来，在这里发送信息的标准方式就像一群舞者（OFDM）试图保持完美的同步步调。但当蹦床震动得太厉害时，他们就会互相绊倒，导致信息变得混乱。一种更新、更酷的舞蹈——AFDM（仿射频率划分复用）被发明了。这就像是一种利用旋转动作来保持平衡的舞蹈，即使在蹦床晃动时也能站稳。它很棒，但它仍然会在舞者之间留下一些空隙，浪费了一些蹦床的“地产”。

核心理念：挤压舞者
论文的作者提出了一个大胆的问题：如果我们能把舞者挤得更紧凑，以便在不绊倒的情况下在蹦床上容纳更多的人，会怎样？

他们将 AFDM 的旋转舞蹈与一种被称为 FTN（奈奎斯特更快速传输）的技巧结合了起来。把 FTN 想象成一种“超级挤压”技术。通常，你必须在消息之间留出间隙以避免碰撞；而 FTN 说：“让我们跳过间隙！”它故意让消息产生一点点重叠，创造出一个受控的“交通拥堵”，而接收端可以解开这个拥堵。这使得系统可以在同样的空间内塞进更多的信息，从而提升了频谱效率（SE）——基本上就是每秒每赫兹能传输更多的比特。

问题所在：混乱的重叠
问题在于：当你把消息挤在一起（FTN），同时又处在一个摇晃的蹦床（高移动性信道）上时，局面会变得非常复杂。消息不仅会撞到邻居，还会被震动的地面扭曲。这就像是在试图解开一个谜题，而拼图的碎片既在移动，又同时粘在一起。

论文指出，你不能只使用旧的、简单的工具（比如标准的 LMMSE 检测器）来解决问题。这些工具就像是用一把钝勺子去解开一个结——它们会被复杂的重叠和震动搞糊涂，导致大量的错误。作者明确展示了当挤压变得紧密时，这些旧方法会出现“显著的性能下降”。

解决方案：三层侦探团队
为了解决这个问题，团队构建了一个全新的接收机，名为 AFDM-FTN，并配备了一个名为 BEM-MLMP-JCED 的特殊大脑。让我们用三层类比来拆解这个侦探团队是如何工作的：

时域层（地面）： 这一层观察摇晃的地面。团队使用了一种“基函数展开模型”（BEM），这就像拥有一张蹦床弹跳的地图。他们不需要猜测每一次细小的颠簸，而是使用几种关键模式来描述整个震动过程，使工作变得更快、更容易。
FTN 层（重叠）： 这一层处理“超级挤压”的消息。由于消息排列得非常紧密，这一层知道它们是如何重叠的，并帮助将它们分离出来。
变换层（舞池）： 这是旋转舞蹈发生的地方。它将杂乱无章的信号旋转成一个更清晰的视角。

神奇之处在于，这三个层级通过一个循环进行对话。侦探团队不断地传递“信念消息”。首先，他们猜测地面的震动；然后，他们利用这个猜测来解开挤压的消息；接着，他们利用现在变得更清晰的消息来获得一个更好的地面震动猜测。他们不断重复这个过程，反复完善答案，直到得出正确结果。

模拟实验显示了什么
作者不仅仅是凭空构想，他们还运行了数千次计算机模拟来测试。以下是他们的发现：

速度 vs. 准确度： 当他们挤压消息（使用 0.8 的压缩因子，意味着把它们装得更紧）时，新系统保持了与未挤压版本几乎相同的错误率。事实上，在 1.1 × 10⁻³ 的特定错误率下，新系统的表现比旧的“钝勺子”方法（LMMSE）好大约 3.5 dB。
“完美”基准： 尽管他们并没有拥有预知一切的“水晶球”（完美的信道信息），但他们的新系统非常接近于一个已知了解所有地面震动情况的系统的性能。
现实世界的收益： 当他们计算实际的数据吞吐量（考虑到了保持安全所需的“保护”空间）时，与标准方法相比，新系统为 QPSK 带来了额外的 0.20 bit/s/Hz，为 16-QAM 带来了额外的 0.39 bit/s/Hz。这就像是在不新建道路的情况下，在高速公路上增加了一条车道。
复杂度： 最棒的是，这个新系统实际上比旧方法计算量更小。它是一个更快、更聪明的侦探，不需要超级计算机就能解开谜题。

总结
论文表明，通过将 AFDM 的旋转舞蹈与 FTN 的紧凑打包相结合，并使用智能的三层侦探团队来理清混乱，我们可以在不破坏信号的情况下，向高速行驶的车辆和卫星传输更多数据。这是一种从现有的无线电波中榨取更多速度的方法，证明了有时，一点点受控的混乱（重叠）正是让我们跑得更快的关键。

技术摘要：AFDM-FTN：一种面向高移动性通信的高谱效波形

问题陈述
下一代无线系统（6G 及以后）需要增强的频谱效率（SE）和超高可靠性，特别是在高速铁路和低轨（LEO）卫星等高移动性场景中。在这些环境中，信道是双选择性的（时变且频变），这会导致传统正交频分复用（OFDM）产生严重的载波间干扰（ICI）。虽然仿射频分复用（AFDM）因其对多普勒频移的鲁棒性而成为一种有力的替代方案，但它传统上遵循奈奎斯特准则，限制了其频谱效率（SE）。相反，快于奈奎斯特（FTN）信号通过有意引入受控的符号间干扰（ISI）来提高频谱效率，但在与高移动性信道的时变特性相结合时，面临着显著的检测挑战。核心问题在于如何将 FTN 信号集成到 AFDM 框架中（从而创建 AFDM-FTN），以实现在不产生过高计算复杂度或性能下降的情况下实现高频谱效率，同时应对信道时变性、FTN 诱导的 ISI 以及数据检测之间复杂的耦合关系。

方法论
本文提出了一种新型 AFDM-FTN 系统及相应的低复杂度接收机架构。该方法论通过以下步骤进行：

系统建模： 作者推导了 AFDM-FTN 的输入-输出关系。他们证明了 FTN 信号会在有效信道矩阵中引入额外的干扰项，从而产生一个耦合结构，其中多径分量与 FTN 诱导的 ISI 相重叠。研究表明，有效信道矩阵是稠密的，这使得直接检测变得复杂。
基于 BEM 的信道估计（BEM）： 为了解决在存在 FTN-ISI 的情况下估计时变信道的挑战，作者开发了一种基于基展开模型（BEM）的辅助信道估计器。该方法通过将路径系数与多普勒频移之间的非线性耦合重新表述为一个紧凑的线性模型，解决了这一问题。通过利用 AFDM 信道和 FTN 矩阵的内在特性，该方法将估计复杂度从 $O(LN) $降低到$ O(L(Q+1)) $，其中$ L $是路径数，$ Q$ 是 BEM 阶数，从而避免了过高的导频开销和病态问题。
数据检测（MLMP）： 意识到稠密的有效信道矩阵阻碍了标准的置信度传播，作者提出了多层消息传递（MLMP）算法。该检测器将系统分解为三个层级：
- 时域（TD）信道层： 利用物理信道时延抽头的稀疏性。
- FTN 层： 利用已知 FTN 系数矩阵的稀疏性。
- 变换层： 利用离散仿射傅里叶变换（DAFT）的酉性质。
  置信度消息在这些层之间迭代传播，以执行低复杂度的检测。
联合迭代方案（BEM-MLMP-JCED）： 本文将 BEM 估计器和 MLMP 检测器集成到一个联合迭代方案中。在该框架下，来自 MLMP 检测器的软数据估计被反馈用于精细化信道估计，进而改进后续的检测。该过程不断迭代直至收敛。

主要贡献

AFDM-FTN 系统提议： 一种新型波形，通过压缩 DAFT 域信号时长并结合实际脉冲成形引入 FTN 信号，专门为高移动性场景设计。论文提供了严谨的输入-输出关系推导，并分析了由此产生的干扰模式。
基于 BEM 的估计框架： 一种低复杂度的信道估计方法，使非线性耦合的信道参数线性化。与传统方法相比，它显著降低了导频开销和计算负担。
MLMP 检测器： 一种先进的检测算法，通过在时域信道、FTN 和变换层之间传播消息来实现。它显式地利用了物理信道和 FTN 系数矩阵的稀疏性，从而在稠密干扰环境下实现高效检测。
联合迭代方案（BEM-MLMP-JCED）： 一个统一的接收机，能够联合执行信道估计和数据检测，在降低复杂度的同时实现了卓越的误码率（BER）性能。
理论分析： 论文推导了信道估计误差的下界，使用状态演化分析了均方误差（MSE）性能以表征收敛行为，并提供了详细的计算复杂度分析。

结果
仿真结果在各种条件下验证了所提系统：

相对于完美 CSI 的性能： BEM-MLMP-JCED 方案在大约 20 次迭代内收敛，达到了接近具有完美信道状态信息（CSI）系统的 BER 性能。
对压缩的鲁棒性： 即使在激进的 FTN 压缩因子（如 $\alpha = 0.8$ ）下，系统仍能保持与传统 AFDM（奈奎斯特情况）相当的 BER，同时提供显著的频谱效率增益。
与基准对比： 所提出的 AFDM-FTN 配合 BEM-MLMP-JCED 优于 OFDM-FTN 和 OTFS-FTN 方案。具体而言，在 $\alpha = 0.8$ 时，在 BER 为 $1.1 \times 10^{-3}$ 时，它比 LMMSE 检测器实现了约 3.5 dB 的增益。
频谱效率： 在实际有效频谱效率（考虑导频开销、保护间隔和 BER）方面，所提系统在 $\alpha = 0.8$ 时，相比传统 AFDM 在高 SNR 下分别实现了额外的 0.20 bit/s/Hz (QPSK) 和 0.39 bit/s/Hz (16-QAM)。
复杂度： 所提算法表现出随子载波数线性缩放的复杂度（ $O(N)$ ），相比于传统 LMMSE 方法的立方复杂度（ $O(N^3)$ ）有了实质性的提升。

意义
论文声称，所提出的 AFDM-FTN 系统对于高移动性信道特别具有吸引力，因为它成功地将 AFDM 的多普勒抗性与 FTN 信号的频谱效率增益结合在一起。其意义在于开发了一个结构化、低复杂度的接收机（BEM-MLMP-JCED），能够处理时变信道和受控 ISI 的共同挑战。通过证明可以在不牺牲 BER 性能或产生过高计算成本的情况下实现高频谱效率，这项工作为下一代高移动性通信系统提供了一条可行的路径。对信道估计下界和状态演化的理论分析，进一步提供了对所提架构基本极限和收敛行为的见解。

类似论文