摘要：随着部署场景和新型产业生态的不断扩展，未来第6代移动通信系统技术将面临诸多挑战。其中，高移动通信场景中快速变化的信道衰落、严重的多普勒扩展，破坏了第5代移动通信系统技术中采用的正交频分复用（OFDM）调制波形的正交性，降低其传输效率和可靠性。正交时频空间（OT
《移动通信》2025年第2期目录
时延-多普勒域调制波形与多天线传输体制
1213412（1. 西安交通大学，陕西 西安 710049；
2. 西安电子科技大学，陕西 西安 710126；
3. 柏林工业大学，德国 柏林 10587；
4. 南方科技大学，广东 深圳 518055）
【摘 要】随着部署场景和新型产业生态的不断扩展，未来第6代移动通信系统技术将面临诸多挑战。其中，高移动通信场景中快速变化的信道衰落、严重的多普勒扩展，破坏了第5代移动通信系统技术中采用的正交频分复用（OFDM）调制波形的正交性，降低其传输效率和可靠性。正交时频空间（OTFS）调制作为一项新兴技术，将符号调制在时延-多普勒（DD）域，能在时频双选信道下展现超高的鲁棒性，其与多输入多输出（MIMO）技术的结合，在解决未来6G挑战中具有超高潜力。首先介绍DD域调制波形OTFS的基本原理和数学模型，以及MIMO-OTFS的系统模型。接着，介绍现有MIMO-OTFS传输体制的研究进展，主要包括基于奇异值分解（SVD）预编码、基于路径分离预编码和基于Tomlinson-Harashima预编码（THP）的传输体制，并从信道模型假设、预编码复杂度、预编码开销和方案局限点方面对比探讨其优缺点。最后，从预编码和检测算法设计角度对未来MIMO-OTFS传输体制研究进行展望。
【关键词】大规模多输入多输出；正交时频空调制；时延-多普勒域；预编码；检测
doi:10.3969/j.issn.1006-1010.20241220-0003
中图分类号：TN929.5 文献标志码：A
文章编号：1006-1010(2025)02-0085-10
引用格式：辛荣荣,刘孟孟,魏志强,等. 时延-多普勒域调制波形与多天线传输体制[J]. 移动通信, 2025,49(2): 85-94.
XIN Rongrong, LIU Mengmeng, WEI Zhiqiang, et al. Delay-Doppler Domain Modulation Waveforms and Multi-Antenna Transmission Systems[J]. Mobile Communications, 2025,49(2): 85-94.
0 引言
随着部署场景和新型产业生态的不断扩展，根据 IMT-2030(6G)推进组发布的《6G典型场景和关键能力》白皮书[1]，第6代移动通信系统（The Sixth Generation of Mobile Communications System, 6G）预计将支持超高多普勒场景下的高速通信，其中高速列车的移动速度可达400-500 km/h，飞机用户的移动速度可达800-1000 km/h[2]，6G将达到 Gbps 体验速率，实现感官互联99.999%可靠性和机器控制99.99999%可靠性[1]，这些需求相对第5代移动通信系统(The Fifth Generation of Mobile Communications System, 5G）技术对高移动信道中的无线通信系统设计提出了严峻的挑战。目前，第4代移动通信系统（The Fourth Generation of Mobile Communications System, 4G）和5G的主要调制技术是正交频分复用（Orthogonal Frequency Division Multiplexing，OFDM），其在高移动场景下会经历严重的载波间干扰（Inter-Carrier-Interference, ICI），导致通信速率大幅降低，难以满足未来移动通信的高需求。在此背景下，近年发展起来的正交时频空间（Orthogonal Time Frequency Space, OTFS）调制技术[4,5]，由于其处理双选择性衰落无线信道的优越能力而引起了无线通信研究界的广泛关注。OTFS调制摒弃了传统一维时域或频域调制的思想，在时延-多普勒（Delay-Doppler，DD）域构建了一组二维正交“时频变子载波”以承载信息，通过一种二维傅里叶变换将在时频域中双选择性衰落信道转换为DD域中的近似平稳的信道[4,6-7]，能够在高多普勒的通信场景中获得更优的通信性能。更重要的是，DD域中的每个信息符号都可以在OTFS帧上经历整个时频（Time-Frequency, TF）域信道，从而具备实现全信道分集增益[4,8-10]的潜力。依赖DD 域更简单的符号与信道耦合方式、更高效的信道估计和更低的导频开销、更高的频谱效率等优势，OTFS有望在未来6G实现高可靠通信。多输入多输出（Multiple-Input Multiple-Output, MIMO）技术已广泛应用于无线网络[11]。在MIMO系统中，多个调制后的数据流经预编码后通过多条子信道发送，在接收端使用多根天线合并接收，以实现空域复用提高系统容量，有效克服信道衰落对数据传输的影响。MIMO-OFDM是WLAN、WMAN、4G和5G标准中广泛使用的技术，然而，在大型无线网络中，由于发射机和接收机之间的相对移动和潜在的同步误差，多普勒频移通常是不可避免的，用于发射端预编码和接收机合并器设计的信道状态信息（Channel State Information，CSI）非常容易发生变化，造成MIMO-OFDM性能恶化。随着未来对数据传输速率需求的增大，大规模MIMO成为一种发展趋势，进而也对系统传输体制设计提出更高的要求。因此，OTFS和MIMO的结合成为了满足复杂场景中高速数据传输和高可靠性要求的潜在解决方案。本文围绕MIMO和OTFS相关技术，结合6G网络关键需求，总结现有MIMO-OTFS传输体制的研究进展，探讨其在真实场景下的优缺点，并对未来MIMO-OTFS传输体制研究进行展望。1 OTFS调制波形与系统模型
本节阐述OTFS调制与解调原理和具体实现过程，以及MIMO-OTFS的系统模型。
1.1 发送信号模型
1.2 信道模型
1.3 接收信号模型
1.4 MIMO-OTFS系统模型
2 MIMO-OTFS传输体制
2.1 基于SVD预编码的传输体制
2.2 基于路径分离预编码的传输体制
2.3 基于THP预编码的传输体制
2.4 对比分析
表1对上述3种典型的传输体制进行总结，并且分析其在真实场景下的方案局限点。其中，基于路径分离预编码的传输体制面临信道模型假设条件过于理想和天线自由度受限的问题，是因为路径导向矢量有相关性，尤其簇信道下存在高度相关性，导向矩阵无法满足列满秩要求，ZF算法/矩阵求逆性能差，数据流间干扰无法完全抵消。并且由于用户端天线数有限，相较真实场景的路径数P而言总是较小，无法满足其模型假设。此外，THP预编码对CSI要求极高，需细致到所有用户所有路径的时延的多普勒索引，并由于该预编码算法的因果关系极强，算法鲁棒性很低。
3 MIMO-OTFS技术挑战与发展趋势
3.1 技术挑战
SVD作为经典的预编码技术，将传输信道分解为多个独立并行的子信道，利用不同的子信道增益最大化系统容量，提高频谱效率，能达到理论上的最优性能。但在未来的超大规模MIMO系统和超大带宽下，SVD会面临极高的复杂度，这会增加基站的计算和存储压力，对终端而言，则是解码、反馈及硬件需求的上升。特别是在超大规模MIMO系统中，这种复杂度的增加可能会影响系统的能效、实时性和成本。
相较2.4小节中理想的信道模型假设，真实无线通信场景通常面临更复杂的环境。传播路径往往表现为“簇状”的分布，这意味着路径数量庞大，且多个路径会集中在某些特定方向或区域内，往往产生较高的空域相关性，该现象在城市环境、室内环境或其他复杂地形中尤为突出。此外，时延和多普勒分辨率分别受带宽和符号传输延迟等资源限制，真实系统往往无法接受很长的符号延迟，导致整数阶时延和整数阶多普勒频移索引难以实现，且不同路径的时延和多普勒频移存在重合的可能性。这导致基于THP预编码和基于路径分离预编码的传输体制的信道模型假设过于理想，在实际系统中难以落实。但不可否认的是，这些方案的确提供了良好的MIMO-OTFS实现低复杂度传输体制的设计思路。
3.2 发展趋势
（1）基于簇分离预编码的传输体制
由于真实无线通信场景中路径数量庞大、往往表现为“簇状”分布且有较高的空域相关性，不同数据流只通过不同的单条路径实现无干扰传输难以实现。利用MIMO-OTFS可以分离DD域和空域信道响应这一发现，可以设计不同数据流通过不同的“簇”进行无干扰传输，探讨基于簇分离预编码的传输体制，有望在真实的簇稀疏场景下实现低复杂度的预编码。
在超大规模MIMO系统和超大带宽下，当不能实现Single-Tap Equalization时，降低MIMO-OTFS接收机检测复杂度也是一项重要任务。传统的线性检测算法，如ZF和最小均方误差（Minimum Mean Square Error，MMSE）[21]涉及矩阵求逆运算，复杂度较高。新兴的迭代检测算法，如消息传递（Message Passing，MP）算法及其改进算法[22-23]在复杂场景如路径数多、等效信道矩阵稠密时，也会面临较高复杂度和性能降低的问题，并且部分需要权衡阻尼因子和收敛速度。此外，许多学者为OTFS检测引入深度学习技术，如基于二维卷积神经网络（2D Convolutional Neural Network，2D CNN）、循环神经网络（Recurrent Neural Network, RNN）等[24-25]，会面临受限于输入序列质量、过多的训练参数导致复杂度高，训练耗时长等问题。因此，为了提高大规模MIMO系统的处理能力，高效、低复杂度的检测算法设计是一重要研究方向。4 结束语
MIMO-OTFS作为一种融合OTFS和MIMO技术的无线通信方案，能有效利用空域自由度应对多径效应和多普勒效应，具有在高速移动、高动态范围和复杂信道条件下提供更优性能的潜力，是未来6G的一个重要研究方向。本文首先探讨了OTFS和MIMO的基本原理、数学模型和实现方案，总结现了有MIMO-OTFS传输体制的重点研究进展，主要包括基于奇异值分解（SVD）预编码、基于路径分离预编码、和基于Tomlinson-Harashima预编码（THP）的传输体制，并归纳探讨优缺点，指出其在未来6G中落实的主要挑战。最后，本文对MIMO-OTFS传输体制的发展趋势提出两点展望，期望能够在真实无线通信场景下实现低复杂度、高效的无线传输。
参考文献：（上下滑动浏览）
[1] IMT-2030 (6G)推进组. 6G典型场景和关键能力[R/OL]. (2022-07-14) [2025-01-04]. https://www.imt2030.org.cn/html/default/zhongwen/chengguofabu/baipishu.
[2] Hasegawa F, Taira A, Noh G, et al. High-Speed Train Communications Standardization in 3GPP 5G NR[J]. IEEE Communications Standards Magazine, 2018, 2(1): 44-52.
[3] Wei Z, Li S, Yuan W, et al. Orthogonal Time Frequency Space Modulation—Part I: Fundamentals and Challenges Ahead[J]. IEEE Communications Letters, 2022, 27:4-8.
[4] Hadani R, Rakib S, Tsatsanis M, et al. Orthogonal Time Frequency Space Modulation[C]. 2017 IEEE Wireless Communications and Networking Conference (WCNC), San Francisco, CA, USA. 2017: 1-6.
[5] Hadani R, Monk A. OTFS: A New Generation of Modulation Addressing the Challenges of 5G[J]. arXiv preprint arXiv:1802.02623, 2018.
[6] Wei Z, Yuan W, Li S, et al. Orthogonal Time-Frequency Space Modulation: A Promising Next-Generation Waveform[J]. IEEE Wireless Communications, 2021,28(4): 136-144.
[7] Li S, Yuan W, Wei Z. Orthogonal time frequency space modulation—Part II: Transceiver designs[J]. IEEE Communications Letters, 2023,27(1): 9-13.
[8] Surabhi G D, Augustine R M, Chockalingam A. On the Diversity of Uncoded OTFS Modulation in Doubly-Dispersive Channels[J]. IEEE Transactions on Wireless Communications, 2019,18(6): 3049-3063.
[9] Raviteja P, Hong Y, Viterbo E, et al. Effective Diversity of OTFS Modulation[J]. IEEE Wireless Communications Letters, 2020, 9(2): 249-253.
[10] Li S, Yuan J, Yuan W, et al. Performance Analysis of Coded OTFS Systems over High-Mobility Channels[J]. IEEE Transactions on Wireless Communications, 2021, 20(9): 6033-6048.
[11] Dong Y, Chen C, Yi N, et al. Low-Complexity Hybrid Precoding Design for MIMO-OFDM Millimeter Wave Communications[J]. IEEE Transactions on Communications, 2017, 52(5): 44-51.
[12] Hong Yi, Thaj Tharaj, Viterbo Emanuele. DELAY-DOPPLER COMMUNI-CATIONS Principles and Applications[M]. New York : Academic Press, 2022.
[13] Raviteja P, Hong Y, Viterbo E , et al. Practical Pulse-Shaping Waveforms for Reduced-Cyclic-Prefix OTFS[J]. IEEE Transactions on Vehicular Technology, 2019, 68(1): 957-961.
[14] Tse D, Viswanath P. Fundamentals of Wireless Communication[M]. Cambridge: Cambridge University Press, 2005.
[15] Cao B, Xiang Z, Ren P. Low complexity transmitter precoding for MU MIMO-OTFS[J]. Digital Signal Processing, 2021, 115(6):103083.
[16] Spencer Q H, Swindlehurst A L, Haardt M. Zero-forcing methods for downlink spatial multiplexing in multiuser MIMO channels[J]. IEEE Transactions on Signal Processing, 2004, 52(2):461-471.
[17] Liu M, Li S, Wei Z, et al. Near Optimal Hybrid Digital-Analog Beamforming for Point-to-Point MIMO-OTFS Transmissions[C]. 2023 IEEE Wireless Communications and Networking Conference (WCNC), Glasgow, Scotland, United Kingdom. 2023:1-6.
[18] Li S, Yuan J, Fitzpatrick P, et al. Delay-Doppler Domain Tomlinson-Harashima Precoding for OTFS-Based Downlink MU-MIMO Transmissions: Linear Complexity Implementation and Scaling Law Analysis[J]. IEEE Transactions on Communications, 2023, 71(4):2153-2169.
[19] Wesel R D, Cioffi J M. Achievable rates for Tomlinson-Harashima precoding[J]. IEEE Transactions on Information Theory, 1998, 44(2):824-831.
[20] Sohrabi F, Yu W. Hybrid Digital and Analog Beamforming Design for Large-Scale Antenna Arrays[J]. IEEE Journal of Selected Topics in Signal Processing, 2016, 10(3):501-513.
[21] Surabhi G D, Chockalingam A. Low-Complexity Linear Equalization for OTFS Modulation[J]. IEEE Communications Letters, 2019, 24(2): 330-334.
[22] Ning X, Qi J, Wang Z, et al. A Message Passing Algorithm With Variable Damping Factor for OTFS[J]. IEEE Wireless Communications Letters, 2023, 12(11):1841-1845.
[23] Raviteja P, Phan K T, Yi H, et al. Interference Cancellation and Iterative Detection for Orthogonal Time Frequency Space Modulation[J]. IEEE Transactions on Wireless Communications, 2018, 17(10):6501-6515.
[24] Enku Y K, Bai B, Wan F, et al. Two-Dimensional Convolutional Neural Network-Based Signal Detection for OTFS Systems[J]. IEEE wireless communications letters, 2021,10(11): 2514-2518.
[25] Zhou Z, Liu L, Xu J, et al. Learning to Equalize OTFS[J]. IEEE Transactions on Wireless Communications, 2022, 21(9):7723-7736. ★
【25专题征稿】6G空口技术、语义通信、通感算一体化
《移动通信》杂志由中国电子科技集团公司主管，中国电子科技集团公司第七研究所主办，是中国期刊方阵“双效期刊”、工业和信息化部精品电子期刊、中国科技论文统计源刊、中国通信学会《信息通信领域高质量科技期刊分级目录》入选期刊、中国电子学会《电子技术、通信技术领域高质量科技期刊分级目录》入选期刊、中国应用型核心期刊、日本JST收录期刊。国内连续出版物号：CN44-1301/TN，国际连续出版物号：ISSN1006-1010，邮发代号：46-181。
来源：移动通信编辑部
