两种OFDM ISAC的思考

Author:Codex & Joffrey lc

做OFDM-ISAC一直有个疑问,在实验室环境中,搭建的ISAC平台测试发现A:直接匹配滤波 性能不如 B:OFDM符号域感知;在实验室环境中, B:OFDM符号域感知可以实现非常高的Doppler精度(Velocity测试);但是工程上A:直接匹配滤波 反而更多?

OFDM 感知:直接匹配波形,还是先解调再估计?

OFDM 本来就提供了一张时频网格:时延改变不同子载波的相位,多普勒改变不同符号的相位。既然如此,为什么不少通感工作仍然从时域波形相关出发?

这个问题需要先分清两条接收链:A 直接在接收波形上做感知;B 先完成 OFDM 解调,再从符号矩阵中提取感知参数。 它们的区别首先是处理阶段,其次才是具体算法。

image-20261021211918807

图 1:两条链路使用同一段接收信号,目标都是估计时延和多普勒。B 中的“2D FFT / MUSIC”表示可选择的后端估计方法。

A:直接在波形上寻找目标

已知发送波形 \(s(t)\) 和接收信号 \(r(t)\),构造不同延迟、不同多普勒下的发送模板,与接收信号比较。典型处理可以写成

\[ \Lambda_A(\tau,\nu) =\left|\int r(t)s^*(t-\tau)e^{-j2\pi\nu t}\,\mathrm dt\right|^2. \]

这里省略了归一化。扫描候选的 \(\tau\) 和 \(\nu\),再结合阈值和峰值位置检测、定位目标。严格来说,这是接收信号与发送参考的互模糊处理;发送波形的自模糊函数描述了它对理想点目标的响应。

这条路线把 OFDM 当作完整波形使用,不必先提取子载波符号。它也适用于其他已知波形。若水声传播中的时间伸缩不能忽略,还可以把频移模板改成伸缩模板,但搜索和建模都会更复杂。

B:先解调 OFDM,再估计参数

接收信号经过分帧、去 CP 和 FFT,得到子载波—符号矩阵。在时频同步、窗口选择合适,且符号间干扰和载波间干扰可以忽略或已得到处理时,常用模型是

\[ Y_{k,m}\approx X_{k,m}\sum_p\alpha_p e^{-j2\pi k\Delta f\tau_p} e^{j2\pi\nu_p mT_r}+W_{k,m}. \]

其中,\(k\) 是子载波索引,\(m\) 是 OFDM 符号索引,\(T_r\) 是相邻符号的起始时间间隔。\(\alpha_p\) 表示观测期间近似不变的路径复增益。

利用已知的 \(X_{k,m}\) 去除数据调制后,时延和多普勒就对应两个方向的相位斜率。沿子载波做 IFFT、沿符号序列做 FFT,可以形成二维谱;也可以用 MUSIC 等方法估计这些复指数的参数。

这里的“解调”只要求获得复数 FFT 输出,不要求先把弱回波中的数据判决、译码成功。发送符号可以来自本地发射端、参考链路或已知导频。感知处理应保留信道引入的变化,而不是拿已经均衡后的数据做估计。

为什么不能简单说它们等价?

A 也可以用 FFT 加速相关运算,但这不等于 B 的 OFDM 解调。B 通常还涉及符号分块、去 CP,以及把信道简化为逐子载波相乘的关系。

区别在大多普勒下尤其明显:完整的 A 可以在模板中保留符号内部的相位变化;常规 B 的二维模型主要利用跨符号的相位变化,忽略符号内变化引起的 ICI。类似地,整段波形的线性延迟匹配,也不能直接等同于去 CP 后的循环卷积处理。

只有观测样本、边界处理、信号模型和权重一致时,才有理由讨论两者的等价性。 “FFT 不丢信息”或“发送符号等模”,都不足以单独证明整条接收链等价。

怎么选?

下面比较的是正确建模的 A 与采用上述二维模型的常规 B。

关心的问题 A:直接波形域感知 B:OFDM 符号域感知
通用性 适用于各种已知波形,可直接建立延迟、频移或伸缩模板 充分利用 OFDM 结构,但简化模型有适用范围
实现代价 完整二维模板搜索可能较贵,也有快速算法 2D FFT 通常高效,并可复用通信处理;MUSIC 另需子空间估计
白噪声中的孤立弱目标 正确匹配具有线性滤波输出 SNR 最优性 合理处理可接近相同性能;逐点相除可能放大噪声
强回波旁边的弱目标 直接匹配输出受波形模糊函数旁瓣影响 去调制、加窗或参数化估计可能改善动态范围与分辨能力
外部干扰 可结合白化、抵消和空间滤波 可结合时频加权、受污染资源剔除和空间滤波

“抗干扰”需要说明对象。白噪声、强目标的旁瓣、外部同频信号,是不同的问题。逐点相除能消除数据调制的影响,却会把噪声方差变成 \(\sigma^2/|X_{k,m}|^2\),小幅度符号因此需要特别处理。MUSIC 能在条件合适时分开近邻目标,也不代表它在低 SNR 或模型失配下更可靠。

另外,A 的优势以模板正确为前提。如果实际采用“零多普勒相关,再做慢时间 FFT”的简化实现,它同样可能受到符号内多普勒的影响。

至于谁用得更多,我没有可靠统计可以给出比例。能确认的是,B 已经是 OFDM 通感中的成熟路线,并有 LTE/NR 射频原型验证;A 则拥有更广的跨波形适用范围。论文画了模糊函数,并不能据此判断其接收机一定采用 A。

对一个原本就是 OFDM 的系统,我会先用 B 建立基线:处理链清楚,也容易复用已有接收机。当大多普勒、超出处理窗口的时延或水声伸缩使二维模型失效时,再考虑完整模板匹配,或者扩展符号域模型。先明确接收机保留了哪些观测、做了哪些近似,比争论“相关还是频率估计”更有用。

延伸阅读

  1. Full-Duplex OFDM Radar With LTE and 5G NR Waveforms: Challenges, Solutions, and Measurements,IEEE TMTT,2019。符号域处理及实际射频验证,可重点看接收链和模型适用条件。
  2. Comparison of Correlation-Based OFDM Radar Receivers,IEEE TAES,2020。比较不同接收机的复杂度、SINR 和地杂波鲁棒性。
  3. Supervised Reciprocal Filter for OFDM Radar Signal Processing,IEEE TAES,2023。讨论分块方式,以及噪声损失与旁瓣控制之间的取舍。

两种OFDM ISAC的思考
https://lcjoffrey.top/2026/10/21/ofdmisac2types/
作者
Joffrey
发布于
2026年10月21日
更新于
2026年10月21日
许可协议