初窥OTFS：正交时频空间调制

前言

最近接触到OTFS这个技术概念， 于是找到一些相关的paper阅读了一下。 中间涉及许多的数学推导暂时还是一知半解，受限于自身水平，这篇相关的记录博客主要是个人理解，可能有所纰漏，希望大家指出。看了一些相关介绍的Magazine文章，最后发现还是提出者最开始的paper更容易理解，也即本文所围绕的文章： 《Orthogonal Time Frequency Space Modulation》 。总体感受是，对于高移动性场景，对于时变信道，OTFS确实是一种相比于传统OFDM系统更好的通信调制方式。

系统模型

OTFS的核心思想建立于下式之上： 对于系统的输入信号$s(t)$，有接收信号：
$$r(t)=\iint h(\tau ,\nu )s(t-\tau )e^{j2\pi \nu (t-\tau )}\mathrm{d}\nu \mathrm{d}\tau \text{\hspace{1em}(1)}$$
这个式子我是这样理解的， 如果是传统的时域信号模型，此处接收信号应该是$h(t)$与$s(t)$的卷积，因此这里的$h(\tau ,v)$是类似于$h(t)$这样的角色，代表定义在了多普勒-延时域 (分别对应$v$和$\tau$)上的信道响应。此外，由于用户的移动性造成的多普勒频移，带来了后面这一项 $e^{j2\pi \nu (t-\tau )}$。这是因为用户的移动使得传输距离发生了变化，从而导致接收到信号相位的变化，反应为频率的变化，也即时变性的由来。 因此，式(1)刻画了这样一个时变的通信系统。 这里再多提一句，相比于时域模型，这里有两个维度：$v$和$\tau$，这是因为延迟相同的两条径可能对应了不同的移动速度，因此也应视为两条径。 而在计算接收信号时，需要把这些径的结果一起累加，因此是一个二维积分的形式。

这里有必要再对这一在多普勒-延时域上的信道建模和传统的时域-频域 (多径造成的频率选择性通过频域刻画， 时变性由时域刻画) 的信道建模进行比较，来说明其鲜明的特点和优势。

上图展示了对于同一信道场景， 在两种不同刻画下的形式。 中间的具体场景图中，每根不同颜色的线所对应的真实传输路径，例如黄色线，在多普勒-延时域中只体现为一个黄色的柱。 这是因为只需要一对移动速度信息$v$和延时$\tau$就可以精确描述这一径的所有信息。 另一方面，由于移动性和多径造成的时变性和频选性， 在时频域的刻画中， 可以看到黄色的柱子贯穿了整个时域，也即需要用更多的信息量才能进行描述。 在《Orthogonal Time-Frequency Space Modulation: A Promising Next-Generation Waveform》这篇Magazine文章中，作者总结了多普勒-延时域的四大优点如下：

• 分离性： 不同的径可以被清晰地分离出来。 例如，即使延时相同的两条径，但由于其时变性不同，也会体现在多普勒-延时域的不同网格之上。 相反，在时频域中则较难被精准分离。
• 稳定性： 由于用户的移动性，和每径的传输距离的变化速度相对较慢， 因此对应的多普勒-延时域的信道响应也相对稳定，也即信道变化更慢。与之相对的，高速运动场景下，一个相干时间内很可能只能容纳3个OFDM信号，这将严重增大信道估计的负担。
• 简洁性： 多普勒域的描述相对更加简洁。 文章指出，对于无线通信系统存在$4{\tau }_{max}{v}_{max}\le 1$，因此，延时域的坐标范围为 $[0,{\tau }_{max}]$，多普勒域的坐标范围为 $[-v_{max},v_{max}]$，相对简洁。
• 潜在稀疏性： 从图中我们也可以看出，由于在高频传输中， 路径数往往是非常有限的，因此其在多普勒-延时域上的结果也将是稀疏的。即对于大部分的$v$和$\tau$，信道响应都是$0$。相反，对于传统的时频域信道，每条径作用在不同的时间和频域上，因此并不体现稀疏性。

OTFS调制

接下来，我们讲述下OTFS调制的具体过程。为便于理解，我们需要始终贯彻的一个思想是时刻将其与我们所熟悉的OFDM系统进行对标，从而能更深入地认识这一调制方式并理解其优越性所在。

OTFS的系统框图如下所示：

首先，我们所要传输的原始数据流是多普勒-延时域上的 $x[n,m]$， 我们将通过所谓的“OTFS transform”将其变换为时频域上的信号$X[n,m]$。这个OTFS transform包括了inverse symplectic Fourier transform和加窗操作，会在下文再详述。

接下来，通过对$X[n,m]$进行 “Heisenberg transform”，可以将该调制信号转换为时域发送信号$s(t)$。这一步我认为是对标OFDM系统中的IFFT操作，也即将一个时频域调制的信号变换为一个实际发送的时域信号模型。 紧接着，$s(t)$在信道中传输后，接收端需要对接收信号$r(t)$进行一步“Wigner transform”，从而将该时域接收信号转换到时频域。这个“Wigner transform”是 “Heisenberg transform”的逆变换。因此，我认为这一步则是对标于OFDM系统中的FFT操作，与发送时的IFFT对应。最后，再次通过OTFS变换，将时频域信号转换到多普勒-延时域上的$y[n,m]$ 进行信号处理。

总结一下，相较于OFDM系统，OTFS需要在发送和接收处各多加一个OTFS转换，来完成在多普勒-延时域和时频域之间的变换。然而，核心的思路仍是类似的： 在更易进行信号处理的域上装载信息。 例如传统的OFDM系统，对于频选多径场景，直接在时域上进行信号处理将非常复杂。然而通过把信息装在在子载波上，由于每个子载波的平坦性，信号处理的难度将大幅降低。 相较于OFDM， OTFS则将时变性也考虑在内，并指出了在多普勒-时延域上进行信号处理的优势。 美中不足的是， 相较于OFDM中简单的FFT和IFFT操作， OTFS中所涉及的一系列Heisenberg transform等陌生的数学转换，实在是让人望而却步。然而这似乎也符合天下并无免费的午餐这一亘古不变的定律。接下来，让我们挑战一下这个OTFS的推导。

调制的细节

时频域调制

我们先按照论文中的顺序，介绍将时频域信号$X[n,m]$转换到时域信号$s(t)$的具体操作。首先，$X[n,m]$是加载在如下时频网格上的信息： Λ = { ( n T , m Δ f ) , n , m ∈ Z } \Lambda=\{(n T, m \Delta f), \quad n, m \in \mathbb{Z}\} Λ={(nT,mΔf),n,m∈Z}
我们将有：
$$s(t)=\sum _{m=-M/2}^{M/2-1}\sum _{n=0}^{N-1}X[n,m]g_{\mathrm{t}\mathrm{x}}(t-nT)e^{j2\pi m\Delta f(t-nT)}\text{\hspace{1em}(2)}$$
其中， $g_{\mathrm{t}\mathrm{x}}$是发送成形滤波器，在接收端有与之对应的接收成形滤波器，它们符合如下关系：
$$\int g_{\mathrm{t}\mathrm{x}}^{\ast }(t)g_{\mathrm{r}\mathrm{x}}(t-nT)e^{j2\pi m\Delta f(t-nT)}\mathrm{d}t=\delta (m)\delta (n)$$
从而可以消除symbol间的干扰。这里(2)中的时频域到时域的变换也被称为 Heisenberg transform。作者指出，这可以被看作 OFDM系统中将频域信号转化为时域的 一种拓展。因为主要目的是为了理解OTFS的核心思想，其中具体的数学推导笔者也没有深究。继续向下看，作者指出(2)式可以通过定义Heisenberg operator ${\Pi }_X(\cdot )$， 从而改写为：
$$s(t)={\Pi }_X\left(g_{\mathrm{t}\mathrm{x}}\right).$$
紧接着，结合(1)，接收信号可以表示为：
$$r(t)=\iint f(\tau ,\nu )g_{\mathrm{t}\mathrm{x}}(t-\tau )e^{j2\pi \nu (t-\tau )}\mathrm{d}\nu \mathrm{d}\tau +v(t)$$
其中$v(t)$代表了噪声，而$f(\tau ,\nu )$则由下式给出：$$\begin{array}{rl}& f(\tau ,\nu )=h(\tau ,\nu ){\ast }_{\sigma }X[n,m]=\\ & \sum _{m=-M/2}^{M/2-1}\sum _{n=0}^{N-1}X[n,m]h(\tau -nT,\nu -m\Delta f)e^{j2\pi (\nu -m\Delta f)nT}.\end{array}$$
到这里已经相当迷茫了，我们先硬着头皮继续往下看。
在接收机一侧，对于接收到的信号，我们首先通过接受滤波器进行处理：
$$A_{g_{\mathrm{r}\mathrm{x}},r}(\tau ,\nu )\triangleq \int g_r^{\ast }(t-\tau )r(t)e^{-j2\pi \nu (t-\tau )}\mathrm{d}t$$
然后对其进行采样，得到：
$$Y[n,m]={A_{g_{\mathrm{r}\mathrm{x}},r}(\tau ,\nu )|}_{\tau =nT,\nu =m\Delta f}$$
该变换也被称为Wigner transform。据此我们可以最终推导得到这样的一个端到端的表达式:
$$Y[n,m]=H[n,m]X[n,m]\text{\hspace{1em}(3)}$$
其中，$H[n,m]$由下式给出：
$$H[n,m]=\iint h(\tau ,\nu )e^{j2\pi \nu nT}{e}^{-j2\pi (\nu +m\Delta f)\tau }\mathrm{d}\nu \mathrm{d}\tau \text{\hspace{1em}(4)}$$
(3)式中揭示了，使用OTFS调制，收发信号之间的关系与OFDM系统非常类似，也是直接相乘，有利于信号处理的简便性。 通过(3)式，我不禁有个疑问， 似乎直接从时频域进行传输信息就可以了，何必多此一举，非要在多普勒-延时域进行呢？ 这是因为， (4)中所给出的$H$的形式非常复杂，而在下一节我们将看到，通过OTFS调制可以对信道的表达式进行大幅的简化。

OTFS的调制与解调

上一小节中，说明了时频发送信号$X[n,m]$与接收信号$Y[n,m]$间的简单关系，尽管推导复杂，但结果是简洁的。 这一节中，需要补上OFTS系统的最后一步，即多普勒-时延域信号与时频域信号间的转换，也即OTFS-transform。 首先，我们以$X_p[n,m]$来表示$X[n,m]$的周期版本，其中周期为$(N,M)$，那么有 Symplectic Finite Fourier Transform (SFFT) 定义如下：
$$x_p[k,l]=\sum _{n=0}^{N-1}\sum _{m=-\frac{M}{2}}^{\frac{M}{2}-1}{X}_p[n,m]e^{-j2\pi \left(\frac{nk}{N}-\frac{ml}{M}\right)}$$
我将其与普通的2D-FFT的式子进行了对比：
$$F(u,v)=\sum _{x=0}^{M-1}\sum _{y=0}^{N-1}f(x,y)e^{-j2\pi (ux/M+vy/N)}$$
发现差别似乎不大。其逆变换则定义为：$$X_p[n,m]=\frac{1}{MN}\sum _{l,k}x[k,l]e^{j2\pi \left(\frac{nk}{N}-\frac{ml}{M}\right)}$$
类似于圆周卷积的性质，有:
$$\mathrm{SFFT}\left(X_1[n,m]⊛X_2[n,m]\right)=\mathrm{SFFT}\left(X_1[n,m]\right)\cdot \mathrm{SFFT}\left(X_2[n,m]\right)\text{, }$$

接下来，考虑一组QAM信息符号，将其安置在2D网格上，得到多普勒-延时域的发送信息$x[k,l],k=0,\dots ,N-1,l=0,\cdots ,M-1$。通过进行Heisenberg transform可以得到时频域信号，即:
$$X[n,m]=W_{\mathrm{t}\mathrm{x}}[n,m]{\mathrm{SFFT}}^{-1}(x[k,l])$$
这里$W_{\mathrm{t}\mathrm{x}}[n,m]$传输窗函数。注意到上式可以再展开为：
$$\begin{array}{rl}X[n,m]=& \frac{1}{MN}{W}_{tr}[n,m]\sum _{k=0}^{N-1}\sum _{l=0}^{M-1}x[k,l]b_{k,l}[n,m]\\ b_{k,l}[n,m]& =e^{-j2\pi \left(\frac{ml}{M}-\frac{nk}{N}\right)}\end{array}$$
因此，这可以视为将符号$x[k,l]$调制到了一组二维基函数$b_{k,l}[n,m]$之上，也即$X[n,m]$中包含了不同$k,l$对应的符号信息，是一种自然的分集。

同时，在接收端则是镜像的类似操作：
$$\begin{array}{c}{Y}_W[n,m]=W_{\mathrm{r}\mathrm{x}}[n,m]Y[n,m]\\ Y_p[n,m]=\sum _{k,l=-\infty }^{\infty }{Y}_W[n-kN,m-lM]\end{array}$$
可以得到：
$$\hat{x}[l,k]=y[l,k]=\mathrm{SFFT}\left(Y_p[n,m]\right)，$$
根据一系列推导，作者得出如下结论：
$$\hat{x}[k,l]=\frac{1}{MN}\sum _{m=0}^{M-1}\sum _{n=0}^{N-1}x[n,m]h_w\left(\frac{k-n}{NT},\frac{l-m}{M\Delta f}\right)\text{\hspace{1em}(5)}$$
其中，
$$h_w\left(\frac{k-n}{NT},\frac{l-m}{M\Delta f}\right)={h_w\left({\nu }^{\prime },{\tau }^{\prime }\right)|}_{{\nu }^{\prime }=\frac{k-n}{NT},{\tau }^{\prime }=\frac{l-m}{M\Delta f}}$$$$h_w\left({\nu }^{\prime },{\tau }^{\prime }\right)=\iint h(\tau ,\nu )w\left({\nu }^{\prime }-\nu ,{\tau }^{\prime }-\tau \right)e^{-j2\pi \nu \tau }\mathrm{d}\tau \mathrm{d}\nu$$

这里定义略多，我们直接看(5)这个式子，注意到$\forall k,l$，$\hat{x}[k,l]$中均包含了$x[k,l]h_w(0,0)$这一项，而剩下的则是符号间的干扰。作者指出，当延时、多普勒扩展和窗函数满足一定条件时有，
$$h_w\left(\frac{k-n}{NT},\frac{l-m}{M\Delta f}\right)\approx 0\forall n\ne k,m\ne l$$
此时将不再有符号间干扰，也即:
$$\hat{x}[k,l]=x[k,l]h_w(0,0)$$
这就是说，对于多普勒-延时域的所有发送符号，可以视为经历的是相同的常量信道$h_w(0,0)$，这将大大简化信号处理的难度。

后记

目前暂时只对OTFS这一技术有一个粗浅的认知，尤其对其中的数学推导还没有深入探索。 后续如果有时间的话再深耕下。