这几年做无线接入和光接入的交叉仿真我有一个很直观的感受调制方案正在重新变成“兵家必争之地”。4G时代的OFDM几乎是“方形车轮”——人人都在用却很少有人质疑它在高速移动、高峰均比和光通信强度调制这三件事上的尴尬。于是OFDM-IM、OCDM、SCMA、OTFS这些新名字陆续出现光通信里又多了O-OFDM、O-OTFS、O-OCDM、O-OFDM-IM、O-SCMA。它们表面上是一堆缩写本质上都在回答同一个问题如何把比特更聪明地铺到资源网格上。这些方案对做通信系统设计的人意味着什么简单说调制不再只是“把星座点映射到子载波”这种线性操作而是把索引、稀疏码本、时延-多普勒网格、Chirp域全部拉进了设计空间。对在校学生、算法工程师、光传输设备方向的技术人员而言搞清楚这些方案之间的取舍比背下任何一个标准更重要。这篇内容我会直接拆开它们的原理、优势陷阱和仿真实现最后聊几句我自己踩过的坑。1. 为什么调制方案突然变成兵家必争之地1.1 OFDM的辉煌与瓶颈OFDM能统治无线接入十几年靠的是两板斧一是用循环前缀把多径信道变成多个平坦子信道接收端均衡变得极其简单二是用FFT/IFFT把复杂度压到可工程实现的程度。5G NR到现在也仍然以OFDM为基本波形只是加了子载波间隔缩放和帧结构适配。但OFDM的软肋同样明显。高峰均比是第一个躲不开的问题子载波叠加时瞬时功率峰值远高于平均值射频功放被迫回退效率跟着掉。第二个问题是多普勒敏感一旦终端高速移动子载波正交性被破坏子载波间干扰直接反映在误码率曲线上。第三个问题是频谱外泄漏OFDM的旁瓣衰减慢在某些紧邻频段共存的场景里需要额外滤波。这些问题在光纤通信中被进一步放大。光纤信道本质上适合传输实值的、强度非负的信号OFDM是复数基带波形要送进光纤必须做直流偏置或者非对称限幅功率开销非常大。所以光通信领域的O-OFDM从一开始就不是照搬射频OFDM而是针对强度调制/直接检测链路做了大量改造。1.2 射频与光学同一个数学世界不同的物理约束做射频和光学调制对比时最容易犯的错误是把两者当成同一套发送机。射频侧可以灵活使用I/Q两路带宽相对窄功放非线性可以容忍一定预失真光通信的强度调制直接检测则要求发送信号是单极性、非负的实数带宽利用率又受色散、拍频噪声和接收机噪声影响。这导致同一套数学思想在两个领域水土表现完全不同。例如OFDM索引调制在射频里是为了省功率在光里则可能同时改善非线性失真和降低直流偏置OTFS在射频里主要抗多普勒在光无线链路里则可能处理运动终端LEO光通信中的快速信道变化。学习这些方案的正确方式不是背完成对而是先理解“资源映射”和“信道约束”。1.3 一条主线串起所有方案我做了几个方案的仿真后总结出一条主线任何调制方案都可以看作“如何把一串QAM符号放到某个二维资源网格上再选择一组基波形把它们送出去”。OFDM把符号放到时频网格的每个格子用指数基OCDM把符号放到Chirp基上每个符号实际上占据一段扫频轨迹OTFS把符号放到时延-多普勒网格再通过辛傅里叶变换折返到时频域发射SCMA则让多个用户共享同一个时频格子用稀疏码本区分各自数据OFDM-IM不把所有子载波占满而是用“哪些子载波被激活”这种索引信息额外传递比特。光域版本只是在这个主线上增加了一个约束最终发射波形必须是实值和非负的。2. 射频侧的五张牌OFDM、OFDM-IM、OCDM、SCMA、OTFS2.1 OFDM基本盘与它的精确短板OFDM的系统模型通常写成发射端把串行比特映射为频域符号X[k]经过IFFT得到时域信号x[n] IFFT(X[k])加循环前缀后发射。接收端同步去CP做FFT得到Y[k]然后做单抽头均衡。比较关键的是子载波间隔选择。子载波间隔越大符号周期越短抗多普勒越好但对多径时延的容忍度下降间隔越小频谱效率越高但对相位噪声和频偏越敏感。5G NR支持15k/30k/60k/120k Hz等间隔本质上是给不同场景做平衡。OFDM的另一个工程痛点是峰均比。对N个子载波的QPSK信号理论峰值功率可能是平均功率的N倍实际用互补累积分布函数描述。功放必须保留足够回退量否则信号被削波后误码率立刻上升。这个问题广告文案里很少说做系统的人几乎天天遇到。2.2 OFDM-IM用索引多送一条信息OFDM-IM的思路很聪明把N个子载波分成若干小组每小组里只有K个子载波是激活的剩下的静默。激活模式一共有C(N,K)种对数取2后就是额外携带的索引比特。激活子载波再送M-QAM符号。接收端估计哪些子载波被激活先解索引比特再对激活子载波做解调。这么做有三个直接收益。第一平均发射功率降低因为部分子载波是空置的PAPR随之下降。第二索引本身携带了比特在低信噪比下索引检测比QAM解调更可靠。第三子载波空置实际上提供了一种节能机制特别适合物联网设备。缺点是激活模式查表复杂度随着N增大指数增长而且频谱效率在部分参数下反而低于OFDM。我做仿真时通常把N取256、每子载波QPSK来对比误码率曲线在中等信噪比区间确实比OFDM有1~2dB增益。2.3 OCDM把数据放进Chirp域OCDM全称Orthogonal Chirp Division Multiplexing中文常叫正交Chirp复用。它不把符号映射到指数子载波上而是映射到一组相互正交的Chirp基使用离散菲涅尔变换DFnT完成收发。Chirp基可以理解为频率随时间线性变化的波形一组Chirp基在时频平面上形成对角线轨迹。OCDM对信道衰落的响应和OFDM很不一样。OFDM的抗衰落在频域上是一个格子一个格子的落在深衰落频点的子载波会直接丢失OCDM每个符号占据多根Chirp轨迹等效在每个频点上都有能量投射所以频率选择性衰落带来的损失更平均BER曲线更平滑。在多径信道下OCDM不需要像OFDM那样严格依赖循环前缀来保证子载波正交对时延扩展有一定宽容度。实际工程中OCDM最不好搞定的是硬件的Chirp产生与同步基带DSP用DFnT实现后接收端对载波频偏的敏感度需要特别校准。很多论文把它写成“下一代抗衰落波形”我自己的体会是它和OFDM各有适用区间不能无脑替换。2.4 SCMA稀疏叠加的多址接入SCMA不是单一波形而是一种多址接入和编码映射方案。它把多个用户的数据基于码本映射到相同的时频资源块每个用户只占用资源块中的少数几个资源形成稀疏结构。接收端用消息传递算法MPA把多用户信号分离出来。SCMA最吸引人的地方是过载能力资源块数量小于用户数量系统可以在资源有限的条件下接入更多用户。这对海量物联网上行、免调度随机接入特别有价值。用户无需动态调度授权活数据到了就发基站则依靠码本和稀疏结构做多用户检测。代价是接收机复杂度高。MPA迭代次数、码本设计和信道估计误差都会影响性能。我在仿真SCMA时用的是4资源承载6用户的配置QPSK码本MPA迭代5到8轮。相比正交多址它在高负载下能维持较低误码率但一旦信道估计偏差偏大性能衰减比OFDMA更猛因为错误会在多用户迭代检测之间传播。2.5 OTFS在多普勒域里打平台OTFS的核心是把调制符号放在时延-多普勒域。时延-多普勒域里的每个网格点对应一条具有特定时延和多普勒的反射路径这和物理信道的多径模型天然匹配。发送端用逆辛傅里叶变换把延迟-多普勒符号映射到时频域再接一个OFDM调制器发出去。OTFS之所以能抗高速移动是因为在时延-多普勒域里信道是相对稀疏且慢变的。多普勒频移不再是破坏OFDM正交性的干扰而是变成符号在域上的位移接收端通过二维解映射可以把能量重新聚起来。在高铁场景、卫星通信、无人机链路这类多普勒显著的环境里OTFS比OFDM能带来几个dB的增益。但从实现角度看OTFS比OFDM多了辛傅里叶变换和二维窗函数设计收发延迟和峰值内存都会增加。而且它并不是和OFDM完全对立的很多实现实际上是在OFDM调制器外面叠了一个预编码层。换句话说OTFS可以看成OFDM的一种更聪明的“预编码资源映射”方式而不是另起炉灶的新波形。2.6 射频五方案横向对比特性OFDMOFDM-IMOCDMSCMAOTFS资源域时频网格子载波索引Chirp域稀疏码本资源时延-多普勒域频谱效率高中等高较高过载较高抗多普勒中等中等较好中等高抗频率选择性衰落中按子载波独立中索引检测增益较好能量均摊依赖接收机较好PAPR高低高中等中高收端复杂度低中中高高典型场景接入/移动宽带物联网、低功耗光纤/水下免调度海量接入高铁、卫星、无人机这张表不是用来评定谁好谁坏而是提醒选型时要先看场景约束。如果系统已经成熟并且新需求不明显OFDM仍然是第一选择。只有在PAPR、过载、多普勒三项指标里有明确痛点时才值得往右边移动。3. 光学侧的版本O-OFDM、O-OFDM-IM、O-OCDM、O-SCMA、O-OTFS3.1 为什么不能把射频波形直接搬进光纤光纤通信的一个基本约束是强度调制/直接检测链路发送端用激光器或LED的发光强度代表信号幅度接收端用光电二极管检测光功率这里信号只能是实值且非负的。射频OFDM的时域波形是双极性复数信号直接送进IM/DD链路会产生严重失真。把双极性信号变成单极性常见思路有两个。第一加直流偏置把负峰值抬到零以上代价是偏置功率巨大。第二做非对称限幅把负半周期削掉但在频域引入失真噪声。O-OFDM的众多变种本质上就是在处理“如何把复数QAM转换成非负实信号同时最小化功率和失真代价”。3.2 O-OFDMDCO与ACO的两条路线O-OFDM常见的两种实现是DCO-OFDM和ACO-OFDM。DCO-OFDM的做法是先把复数频域符号做Hermitian对称扩展保证IFFT后时域信号为实值再叠加一个直流偏置。优点是所有子载波都能用频谱效率高缺点是直流偏置可能吃掉很大一部分发射功率。ACO-OFDM则只在奇数子载波上放数据偶数子载波留空。由于奇数子载波的时域信号具有负半周期可被削去的特殊结构接收端削波噪声会自动落在偶数子载波上不会污染奇数子载波的数据。所以不需要直流偏置功率效率高但损失一半子载波频谱效率降低。我做光OFDM仿真时最常碰到的问题是直流偏置选择。偏置太小负向削波严重偏置太大平均光功率上升接收端散粒噪声变明显。一般做法是用“偏置因子”把直流偏置设为信号标准差的若干倍例如B7dB或者B13dB具体值需要扫一遍误码率才能定。3.3 O-OFDM-IM和O-SCMA索引与稀疏在光域的价值O-OFDM-IM把OFDM-IM引入IM/DD链路它的价值比射频侧更突出。因为IM/DD系统对PAPR高度敏感而OFDM-IM天然空置了一部分子载波平均功率更低甚至可以在某些情况下减少所需的直流偏置。同时索引检测在低信噪比下比普通QAM解调更稳抗削波噪声的能力也因此增强。O-SCMA对应的场景则是无源光网络和光无线多址接入。多个光网络单元共享同一个光通道上行传输如果用正交资源分配用户数和资源数成正比采用稀疏码本叠加后支持的用户数可以大于资源块数提升了接入密度。问题在于光链路的非线性会扭曲码本结构接收端MPA迭代时容易把非线性失真误判成邻用户干扰。做O-SCMA仿真时需要非常小心地建模激光器非线性和光拍频噪声否则仿真结果会乐观到离谱。3.4 O-OCDM抗色散和抗非线性的奇兵OCDM由于使用Chirp基波形信号能量在时频平面上更均匀地铺开这对光纤信道有两个直接好处。第一色散表现为不同频率分量的不同群延时OCDM信号在宽频带内持续扫频接收端可以利用整体Chirp结构补偿形成对色散的自然鲁棒性。第二OCDM的时域包络比OFDM更平稳PAPR更低这在光放大器级联场景中能降低非线性效应。我实测过一个简单链路不考虑激光器线宽只加入二阶色散和削波噪声O-OCDM在10km和20km短距离场景中的增益比O-OFDM大约能多1.5dB到2dB。它的代价是收发需要做离散菲涅尔变换对实时DSP的乘法次数要求较高。短距离数据中心光互连如果对功耗敏感O-OCDM并不是最优选择但如果是中距离、色散介质主导的场景O-OCDM值得认真评估。3.5 O-OTFS高速运动光无线链路的储备方案光无线通信的常见场景并不是没有多普勒无人机间激光链路、低轨卫星光通信、车载光无线都在快速移动。O-OTFS把时延-多普勒域调制用于光信道在接收端同时估计时延和多普勒参数。相比O-OFDM它能在强多普勒条件下保持较低误码率而且因为光信道常常只有少数几条强反射路径时延-多普勒域的信道稀疏特征反而比射频更好利用。当然O-OTFS目前更多处于研究阶段。原因之一是光接收机带宽极高要跑二维SFFT运算的实时DSP成本不低原因之二是光信道中多普勒和多径并非完全独立卫星运动、大气湍流、平台抖动都会混在一起单纯用二维网格映射不一定能统摄所有效应。但作为面向未来移动光链路的储备方案它的潜力很大。3.6 光域五方案横向对比特性O-OFDMO-OFDM-IMO-OCDMO-SCMAO-OTFS实值/非负处理DC偏置或限幅DC偏置限幅Chirp基限幅码本实值映射二维映射实值化频谱效率高DCO中等高较高过载较高抗色散中等需均衡中等较好中等尚在验证抗非线性/低PAPR较差较好较好中等中等多普勒鲁棒性差差中等差高关键落地场景接入/数据中心低功耗光接入中距离色散信道无源光网络多址移动光无线/LEO光域方案的选择逻辑和射频很不一样最优先考虑的不是“哪个波形新”而是“实值非负约束下功率损失最小”。O-OFDM能成为主流是因为实现成熟O-OCDM和O-OFDM-IM则更偏功耗和抗非线性优化O-OTFS属于面向未来场景的前瞻性设计。4. 工程实现与仿真中的硬骨头4.1 从零搭一套仿真链路的步骤不管研究哪个方案我的仿真路径基本是固定的先搭无信道无噪声的理想映射解映射确认收发格式正确再加入AWGN验证理论曲线最后才加入多径、多普勒、色散、削波这些复杂效应。以OTFS为例发送端步骤通常是把比特映射成时延-多普勒域符号Xdd维度是M×N。做逆辛傅里叶变换ISFFT把Xdd变成时频域的Xtf。经过海森堡变换把Xtf变成连续时域波形。这里的坑在于第二步和第三步容易混淆。我第一次实现OTFS时只做了ISFFT就直接加CP发送结果误码率完全不对。检查后发现漏了海森堡变换实际是从时频域再经过一个OFDM调制器生成时域信号。后来我养成了习惯先把自己写的发送端做一次“信道为恒等”的回环验证没有任何中间信道时BER必须是0再往下加信道。OCDM的仿真则要小心离散菲涅尔变换的定义。DFnT有几个版本归一化系数和索引顺序很容易写错。我的做法是先构造单位矩阵做DFnT确认输出是正交归一化矩阵再扩展到数据矩阵。O-OFDM的ACO实现也容易出错。ACO-OFDM只在奇数子载波放数据偶数子载波置零Hermitian对称扩展后IFFT得到实值信号再取负半周削波。接收端直接削波后会造成偶数子载波上有噪声而奇数子载波不受削波噪声污染。仿真心得是削波必须在时域做不要在频域做等效近似否则会低估削波噪声影响。4.2 参数选择不要一开始就追求高大上很多初学者一把就把子载波数设成4096、256QAM、16用户SCMA然后仿真慢得离谱。正确做法是先用64个子载波、QPSK、单用户跑通再逐步加条件。子载波数N的选择会影响PAPR、多普勒敏感度和复杂度。小N仿真速度快但PAPR分布和子载波选择性都和大N不一样。我的经验是先在N128上把链路逻辑跑通最后才在N2048上做完整性能评估。调制阶数方面QPSK适合看链路基本正确性16QAM适合看均衡和高阶调制损伤64QAM及以上则要看信道估计精度。SCMA的码本设计更复杂不建议自己从头生成可以先用论文里的标准码本复现确认MPA收敛后再做修改。蒙特卡洛次数也不能拍脑袋。我通常至少跑500次信道实现每个信噪比点统计错误比特数不低于100个否则BER曲线抖动太大无法判断方案优劣。4.3 不能只盯误码率PAPR、OOB和复杂度都要看做方案对比时最容易犯的错误是只看BER。工程决策需要同时看四个指标误码率、峰均比、带外泄漏和接收机复杂度。PAPR可以用互补累积分布函数CCDF表示通常画CCDF曲线看0.1%概率处的PAPR值。OFDM一般有10~12dBOFDM-IM可以降到7~9dBOCDM会比OFDM低一些但不如OFDM-IM明显。带外泄漏方面OFDM由于矩形窗和多载波叠加旁瓣滚降慢需要加窗或滤波。OTFS由于做了辛傅里叶变换发射窗设计得当的话带外泄漏比OFDM略小。SCMA因为是叠加编码方案带外泄漏主要由底层OFDM决定。接收机复杂度更实际。OFDM的均衡是单抽头基本是一部FFT的代价OFDM-IM多了激活模式检测但可以用最大似然或对数似然比做复杂度尚可OCDM多了一次DFnT算力增加约一倍SCMA的MPA随用户数和迭代次数线性增长实测中迭代8次和迭代4次差距不小OTFS高复杂度主要体现在二维信道估计和消息传递/均衡上工程化以前需要斟酌。4.4 仿真环境与避坑清单MATLAB里做原型验证最方便通信工具箱提供了完整OFDM调制解调但OTFS、OCDM、SCMA没有现成函数需要自己搭。Python里我会用NumPy搭基带链路用Matplotlib画曲线比MATLAB更便于批量跑参数。几个我经常提醒自己的坑循环前缀长度必须大于信道最大时延扩展但也不要盲目加长否则频谱效率下降。多普勒仿真不要只会加单频偏要用Jakes谱或相关衰落模型模拟频域变化效果才真实。光链路仿真一定不能把信号直接当复数信号跑要记得Hermitian对称和直流偏置环节。SCMA的码本需要经过功率归一化否则不同用户间功率失衡会导致MPA误收敛。比较不同方案时确保频谱效率对齐。拿ACO-OFDM和DCO-OFDM对比时ACO只用了奇数子载波如果总带宽相同它的有效数据速率只有DCO的一半必须把带宽或调制阶数对齐后再比。这些都是花钱买过的教训写出来希望能帮后来人少走几步弯路。5. 选型思路与一段个人体会5.1 一张决策逻辑看场景而不是看热度这些年各方宣传喜欢把某个技术包装成“万能替代者”但我做选型时习惯画一张粗略决策逻辑低速静止、链路预算紧张、接入密度大优先考虑OFDM-IM或SCMA。前者省功率后者提升接入数。高速移动、多普勒明显直接看OTFS。高铁、卫星、无人机场景收益最大代价是接收机复杂度。中距离光纤或色散主导信道OCDM值得做原型验证尤其当非线性失真限制系统提升时。光接入上行多用户O-SCMA适合追求用户过载但要先把光链路非线性摸清楚。移动光无线和空-地链路O-OTFS作为前瞻储备先做离线仿真再谈实时实现。不要因为某个方案论文多就选它。真实工程里往往是最朴素的OFDM配合成熟的削波算法、功放预失真和均衡方案能解决绝大部分问题。新方案应该被用在真正的痛点上。5.2 我自己的实操心得做这些方案横向比较时最深的感受是数学工具比“方案名”更值得花时间。OFDM、OCDM、OTFS看起来完全不同但你盯着它们的变换矩阵会发现无非是傅里叶变换、菲涅尔变换、辛傅里叶变换之间换语言。SCMA的码本设计本质上也是多维星座设计的一类。另外仿真中先跑理想回环、再加信道、再加非线性这个次序一步都不能跳。我自己就犯过用理想信道跑出一张漂亮曲线后加了削波却忘了把削波噪声建模进信道结果高估了性能后来在实测中被打脸。老老实实把每一步都拆开检查比急着看一张高信噪比曲线重要得多。还有个实用小技巧做多方案对比时我会把所有方案封装成统一的发送机-信道-接收机接口后端用同一个信道矩阵和同一个误码率统计函数。这样不同波形之间不仅在做算法对比也在做代码风格和可维护性对比。工程上新的调制方案若不能相对容易地嵌进现有链路结构再好的理论增益也落不了地。这个领域的变化还在继续。今天看OTFS、OCDM还是热词过几年可能又冒出新的基波形或新的域变换。但说到底调制方案的核心还是怎样更聪明地利用资源怎样在物理约束下把信息稳定地送出去。把这个底层逻辑掌握住后面无论冒出什么新缩写你都能快速把它拆回资源网格和基函数这两件事来看。