🚀 6G OTFS 高移动性通感一体化仿真平台 (Python/PyTorch版)

面向 6G 高铁与低轨卫星场景的下一代波形完整实现PyTorch GPU 加速 | 高多普勒鲁棒传输 | 雷达感知 (ISAC)

📌 为什么选择本平台？

在 6G 高铁 (High-Speed Train) 和 低轨卫星 (LEO Satellite) 场景下，传统 OFDM 波形(如 5G NR)面临严重的子载波间干扰 (ICI)，导致通信链路失效。

本平台是 OTFS (Orthogonal Time Frequency Space) 技术的 高性能 Python 实现。我们不仅复现了 OTFS 的核心抗多普勒能力，更利用 PyTorch + GPU 技术彻底解决了传统 MATLAB 仿真速度慢、难以结合 AI 的痛点。

🎯 核心价值

1. 🔬 深度科研价值

• 算法全复现: 包含 ISFFT/Heisenberg 调制、Wigner/SFFT 解调、嵌入式导频估计、MP 迭代检测等全套算法。
• 数学严谨: 代码实现与提供的《算法文档》中的公式严格对应，适合学术推导验证。
• 场景覆盖: 覆盖 30km/h (城市) 到 500km/h (高铁/卫星) 全速度段。

2. ⚡ 工程与 AI 价值

• GPU 加速架构: 重新设计了信道矩阵构建 (build_matrix) 和消息传递算法 (mp_detector)，消除 Python 循环，充分释放显卡算力。
• PyTorch 原生: 所有数据结构均为 torch.Tensor，支持自动求导 (Autograd)，可轻松将 OTFS 模块作为层 (Layer) 嵌入到端到端深度学习通信系统中 (如 Neural Receiver, Deep Channel Estimation)。

⚡ 技术亮点

🌊 双域变换信号处理流

          X_DD (数据)            │            ▼        [ISFFT] (DD -> TF)            │            ▼          X_TF             │            ▼       [Heisenberg] (TF -> Time) ──► s(t) (发送信号)

📊 实测性能 (基于 Demo Step 10)

在 RTX 5080 Laptop GPU 上实测：

💻 快速开始

1. 安装依赖

确保已安装支持 CUDA 的 PyTorch (推荐):

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118pip install matplotlib tqdm scipy

2. 运行旗舰演示

体验 6G 演进场景下的 OTFS 威力 (自动使用 GPU):

cd OTFS/python/demospython demo_step10_nr_6g_evolution.py

3. GPU 性能基准测试

检查你的显卡能带来多少加速:

python demo_gpu_acceleration.py

📂 文档体系

我们提供了完善的配套文档，位于 OTFS/python/docs/:

• 📘 算法文档: 包含 DD 域信号处理、SFFT 推导、MP 算法因子图推导等核心理论。
• 📒 代码文档: 详细的 Python API 接口说明、参数定义和模块架构解析。

🛒 获取

📚 主要参考文献

1. R. Hadani et al., "Orthogonal time frequency space modulation," IEEE WCNC 2017.
2. P. Raviteja et al., "Interference cancellation and iterative detection for OTFS," IEEE TWC 2018.
3. 3GPP TR 38.901, "Study on channel model for frequencies from 0.5 to 100 GHz".