基于深度学习的OTFS信号检测算法

2026.11.17点击:

摘要:正交时频空间(Orthogonal TimeFrequency Space,OTFS)调制技术通过在多普勒-延迟(Delay-Doppler,DD)域调制信息,在高速移动通信场景下具有优势,但传统OTFS检测算法存在复杂度高、时变信道下性能衰减等问题。该文提出一种基于深度学习卷积神经网络(Convolutional Neural Network,CNN)的OTFS信号检测算法:发送端通过逆辛有限傅里叶变换(Inverse Symplectic Finite Fourier Transform,ISFFT)、海森堡变换将DD域符号映射至时域;接收端经魏格纳变换、辛有限傅里叶变(SFFT)得到时频域信号后,输入CNN网络实现信号估计,最终通过逐符号解调恢复原始信息。该文推导了OTFS调制/解调的数学模型及CNN检测的信号处理过程,并通过仿真验证:所提算法在高速移动信道下的误码率性能优于传统算法,且复杂度降低。

关键词: OTFS调制;深度学习;CNN;信号检测;

DOI: 10.20153/j.issn.2096-9759.2026.09.005

专辑: 信息科技

专题: 电信技术;自动化技术

分类号: TN911.23;TP18