基于OCDM雷达系统的离散Fresnel域信道估计——论文阅读
本文研究基于离散Fresnel域信道估计的OCDM雷达系统，提出一种抑制高旁瓣的新方法。通过分析时间与频率偏移在离散Fresnel域的影响，建立联合信道模型，揭示距离-多普勒耦合效应。实验验证了系统在真实场景下的鲁棒性，兼具低峰均比、强抗干扰能力，为6G一体化感知通信提供新思路。
正交啁啾分复用（OCDM）作为一种新兴的多载波调制方案，近年来在数字通信应用中越来越受到关注。相比于传统的正交频分复用（OFDM），OCDM展现出了优越的性能，特别是在应对信道频率选择性和符号间干扰等损伤方面表现出更强的鲁棒性。本文深入研究了OCDM基雷达系统中的离散Fresnel域信道估计方法，这种方法作为传统相关处理的替代方案，能够有效降低由于符号调制引起的高旁瓣电平问题。
如果在传播过程中仅经历频率偏移 $f_\Delta$，则接收端去除循环前缀后得到的离散时域帧 $\mathbf{y}$ 的第 $n$ 行第 $m$ 列元素可表示为：
当OCDM发送信号通过信道传播时同时经历时间偏移（由CIR $\mathbf{h}$ 表示）和归一化频率偏移 $k_\Delta$ 时，接收端去除循环前缀后的离散时域帧元素可表示为：
这表明CIR卷积之后又发生了 $k_\Delta$ 个采样的循环移位，同时伴随着与距离和多普勒相关的相位项，导致子啁啾间干扰（IChI）。
本文采用改进的离散Fresnel域导频设计策略，该策略最初由文献[21]提出用于相干光OFDM系统，后在文献[22]中进一步改进。最简单的离散Fresnel域信道估计策略是发送一个仅第一个子啁啾激活的导频OCDM符号。基于DFnT的卷积定理，接收的OCDM符号将直接包含CIR估计。
图1展示了由于传播时延引起的信道频率响应相位进展。上图显示了射频（RF）频段 $f \in [f_c - B/2, f_c + B/2]$ 的连续频率域信道频率响应（CFR）相位的线性递增。下图显示了基带（BB）频谱中的相位，由于频谱的循环特性，相位在 $k = N/2$ 处发生折叠。红色虚线标示了实际的线性相位进展，而蓝色实线显示了由于频谱循环导致的相位折叠效应。
为了正确估计飞行时间（ToF）和目标距离，需要对相位折叠进行补偿。补偿可以通过两种方式实现：
这揭示了距离-多普勒耦合现象：多普勒频移不仅引起相位旋转，还导致距离估计的偏移。
颜色图谱从深蓝色（无退化）到黄色（严重退化）表示性能变化。大部分退化仅在 $k_\Delta 0.1$ 时才能观察到，这也是OFDM基雷达和雷达通信系统的典型容限。
归一化幅度以dB为单位显示，颜色从深蓝色（-60 dB）到红色（0 dB）表示信号强度。
图6和图7分别展示了SISO和MIMO配置下的距离剖面对比。图中比较了四种系统：
在零多普勒频移时，所有系统性能相当。在 $k\Delta = -0.1$（OFDM的最大容限）时，所提出的OCDM系统仍保持良好性能。当 $k\Delta = -0.25$ 和 $k_\Delta = -0.5$ 时，出现峰值分裂现象，但这些高速度在实际场景中很少出现。
图8展示了通信信道频率响应（CFR）的幅度响应。频率选择性是由于中频（IF）采样架构的sinc整形以及电缆、巴伦和滤波器的未校准效应造成的。基带频率从-0.5 GHz到0.5 GHz，幅度响应变化约12.5 dB，表现出明显的频率选择性衰落。
虚线圆表示单位半径参考，十字表示理想QPSK星座点。OCDM系统在频率选择性信道中表现出更好的鲁棒性，虽然平均EVM略高于OFDM，但标准差更小（5.59 dB对比6.30 dB）。
扇区调制OCDM相比OFDM降低了约1.1 dB的PAPR，这类似于OFDM系统中音调保留技术的效果。
本文深入研究了基于离散Fresnel域信道估计的OCDM雷达系统。通过严格的数学分析，揭示了时间和频率偏移在离散Fresnel域中的影响机制，建立了完整的理论框架。所提出的处理策略通过战略性的子啁啾分配，充分利用了DFnT的脉冲压缩特性。
实验结果表明，在实际应用条件下，该系统能够提供与OFDM相当的雷达感知性能，同时在以下方面具有优势：
这种基于离散Fresnel域的处理方法为未来6G集成感知与通信系统提供了一种有前景的技术路径。
这就是时间和频率偏移的联合影响，表现为CIR卷积后的额外循环移位和相位旋转。
这个公式在推导频率偏移和时间偏移影响时被多次使用，特别是在处理形如 $\sum_{n=0}^{N-1} e^{j2\pi nq/N}$ 的求和时，其中 $q$ 是某个表达式。
正交啁啾分复用雷达（OCDM）基于Fresnel变换，通过复用正交啁啾波形实现雷达通信一体化。相较传统FMCW，其多普勒容限更高、抗干扰强3-5 dB，支持高速移动场景，适用于自动驾驶与6G，是下一代高精度传感核心技术。
本文提出了一种基于分区截断奇异值分解（PTSVD）的近似卷积方法，旨在降低大型卷积运算的计算复杂度与内存占用，适用于音频信号处理等实时应用场景。该方法通过将脉冲响应分段并进行奇异值分解，仅保留主要奇异值对应的向量进行重构，从而实现高效滤波。实验表明，该方法在保持高精度的同时显著降低了运算量和存储需求，尤其适用于长房间脉冲响应的处理。
相位编码调频连续波雷达（PC-FMCW）融合FMCW的硬件简洁性与相位编码的抗干扰优势，通过频域扩频提升多雷达共存能力，支持MIMO与联合通信，适用于自动驾驶与智能交通系统。
本文基于模态理论研究矩形隧道中MIMO信道的传播特性，分析模式正交性、有效模式数及空间相关性对信道容量的影响。结果表明，在损耗壁条件下模式仍具准正交性，有效模式数随距离衰减，收发端相关性制约系统性能。研究为隧道等封闭环境下的MIMO系统设计提供了理论依据。
本文提出广义离散Fresnel变换（GDFnT），构建广义正交啁啾分复用（GOCDM）波形。通过分析双选择性信道下的GF域信道矩阵稀疏性，设计低复杂度消息传递接收机。仿真表明，GOCDM在保持与OCDM相当误码率性能的同时，显著降低峰均功率比，适用于高移动性通信场景。（238字）
本文介绍了用于最近邻搜索的乘积量化方法，通过将高维向量划分为低维子空间并分别量化，实现高效近似欧氏距离计算。该方法结合非对称距离计算（ADC）与倒排文件系统（IVFADC），在保持高搜索精度的同时显著降低计算复杂度和内存占用。实验表明，乘积量化在SIFT和GIST描述符上的表现优于现有方法，适用于大规模图像检索等应用。
本内容系统讲解嵌入式AI领域关键技术的数学理论基础，涵盖神经网络量化、剪枝、知识蒸馏与架构搜索的核心原理。深入探讨量化中的信息论与优化方法、稀疏网络的数学建模、蒸馏中的信息传递机制，以及神经架构搜索的优化框架，为在资源受限环境下实现高效AI推理提供理论支撑。
随着大型语言模型(LLM)在各个领域的广泛应用，确保其安全性和可靠性已成为技术社区关注的焦点。2024-2025年，随着LLM能力的不断增强，其潜在风险也日益凸显。有害内容的生成和传播不仅可能造成社会危害，还会对企业和用户带来严重的法律和声誉风险。因此，构建强健的内容过滤机制已成为LLM应用部署的必要条件。
PostgreSQL 物联网应用 - 1 实时流式数据处理案例(万亿每天)
