1. OTFS系统与结构化稀疏表示概述
在无线通信领域，正交时频空间(OTFS)调制技术因其在高移动性场景下的卓越性能而备受关注。与传统OFDM系统不同，OTFS将信息符号调制在时延-多普勒(DD)域，能够更好地抵抗多普勒扩展和时延扩展的影响。然而，这种优势也带来了计算复杂度上的挑战——OTFS系统需要处理维度高达MN×MN的信道矩阵，其中M和N分别代表时延和多普勒维度的采样点数。
1.1 OTFS信道矩阵的特性
OTFS系统的信道矩阵Hdd具有两个显著特征：
- 路径稀疏性：在典型无线信道中，传播路径数量P远小于MN（P≪MN），这意味着矩阵中绝大多数元素为零或接近零值。
- 结构规律性：非零元素的分布并非完全随机，而是遵循特定的数学模式——每个传播路径会在矩阵中产生具有固定偏移模式的非零元素块。
以(M,N)=(8,2)的系统为例，当存在两条传播路径时，信道矩阵的非零元素仅占总元素的25%，且这些非零元素的位置可以通过路径参数(kp,lp)精确预测。这种结构化的稀疏特性为计算优化提供了重要突破口。
1.2 传统处理方法的局限性
传统OTFS接收机通常采用两种处理方式：
- 密集矩阵法：直接存储和计算整个MN×MN的密集矩阵。当M=8192、N=32时，单帧就需要549.8GB内存，完全无法满足实时处理需求。
- 通用稀疏矩阵法：使用CSR或COO等通用稀疏格式。虽然内存占用有所降低，但由于非零元素的随机分布，会导致GPU内存访问不规则，计算效率低下。
实测数据表明，在NVIDIA A100 GPU上，通用稀疏矩阵向量乘法(MVM)的效率仅为密集计算的15-20%，这种性能损失在高移动性实时通信中是不可接受的。
2. 结构化稀疏表示的核心设计
2.1 数学模型构建
结构化稀疏表示将信道矩阵分解为三个核心组件：
- 路径参数集：{Dp,q, rp(q)}Pp=1，∀q
- 逆映射关系：{D*p,qp(r), qp(r)}Pp=1，∀r
- 相位补偿因子：γp,q = ejφp,q
其中关键映射关系通过以下公式实现：
rp(q) = 〈lq + dl(p)〉N·M + 〈kq + dk(p)〉M qp(r) = 〈lr - dl(p)〉N·M + 〈kr - dk(p)〉M式中dl(p)=L0-lp和dk(p)=K0-kp表示路径相关的时延-多普勒偏移量。
2.2 GPU优化数据结构
为适配GPU的SIMT架构，我们设计了特殊的数据结构：
class StructuredSparseMatrix: def __init__(self, M, N, P): self.D = torch.zeros(P, M*N, dtype=torch.complex64) # 路径系数 self.r_map = torch.zeros(P, M*N, dtype=torch.int32) # 行映射 self.q_map = torch.zeros(P, M*N, dtype=torch.int32) # 列映射 self.phase = torch.zeros(P, M*N, dtype=torch.float32) # 相位补偿这种设计带来了三重优势：
- 内存效率：存储复杂度从O(M²N²)降至O(PMN)，当P=5、M=16384、N=32时，内存减少307倍。
- 访问规律性：所有线程以相同模式访问连续内存，避免随机内存访问导致的bank conflict。
- 计算并行化：每个线程处理独立的路径-位置对，实现完全并行的gather-multiply-reduce操作。
3. 计算感知的共轭梯度算法
3.1 算法优化设计
传统共轭梯度算法(CGA)在OTFS应用中面临两个挑战：
- Gram矩阵HᴴH的计算复杂度高达O(M²N²)
- 动态收敛判断需要频繁的CPU-GPU同步
我们提出的计算感知CGA(Algo 1)进行了三项关键改进：
def conjugate_gradient(H_sparse, y, max_iter=10): b = sparse_mvm(H_sparse.H, y) # 初始残差 x = torch.zeros_like(y) p = b.clone() r = b.clone() for _ in range(max_iter): Ap = sparse_mvm(H_sparse.H, sparse_mvm(H_sparse, p)) + λ*p alpha = torch.vdot(r, r) / torch.vdot(p, Ap) x += alpha * p r_new = r - alpha * Ap beta = torch.vdot(r_new, r_new) / torch.vdot(r, r) p = r_new + beta * p r = r_new return x3.1.1 复杂度对比
| 方法 | 计算复杂度 | 内存需求 | 同步次数 |
|---|---|---|---|
| 传统CGA | O(M²N²) | O(M²N²) | 每迭代 |
| 本文CGA | O(PMN) | O(PMN) | 无 |
3.2 固定迭代策略
通过大量实测数据分析(图4)，我们发现：
- cnorm与BER脱节：残差范数下降并不总是对应BER改善，在SNR=30dB时，过度迭代反而会使BER恶化约15%。
- 收敛规律性：在特定配置下，BER通常在8-12次迭代后收敛。
因此，我们采用离线预分析的固定迭代次数(典型值Ξ=10)，相比动态收敛检测可获得17%的延迟降低。
4. 实现与优化技巧
4.1 阈值选择策略
信道矩阵元素的幅值分布呈现典型的两极分化(图11)：
- 约99.98%元素幅值<0.01
- 约0.02%元素幅值>0.1
我们通过实验确定了最优阈值范围：
def auto_threshold(channel_est, snr_est): base_thresh = 0.05 snr_factor = 1 / (1 + math.log10(snr_est + 1e-6)) return base_thresh * snr_factor4.2 GPU内核优化
使用Triton编写的高效内核实现：
@triton.jit def sparse_mvm_kernel( D_ptr, r_map_ptr, y_ptr, output_ptr, P, MN, BLOCK_SIZE: tl.constexpr ): pid = tl.program_id(0) for p in range(P): for i in range(0, MN, BLOCK_SIZE): idx = i + tl.arange(0, BLOCK_SIZE) mask = idx < MN r = tl.load(r_map_ptr + p*MN + idx, mask=mask) d = tl.load(D_ptr + p*MN + idx, mask=mask) v = tl.load(y_ptr + r, mask=mask) tl.atomic_add(output_ptr + idx, d * v)关键优化点：
- 合并内存访问：每个线程块连续读取D和r_map
- 延迟隐藏：通过BLOCK_SIZE调节并行粒度
- 原子操作优化：使用warp级别的原子加操作
5. 性能评估
5.1 延迟与吞吐量
在NVIDIA H200 GPU上的实测结果(图5,7)：
| 网格尺寸 | 延迟(ms) | 满足实时性 | 吞吐量(Mbps) |
|---|---|---|---|
| 128×32 | 0.54 | 是 | 382.4 |
| 1024×32 | 0.58 | 是 | 401.7 |
| 8192×32 | 0.61 | 是 | 423.5 |
| 16384×32 | 0.63 | 是 | 439.2 |
5.2 BER性能对比
不同均衡器的BER表现(图9)：
- 在SNR=25dB时：
- LMMSE：4.2×10⁻⁴
- SS-CGA：3.8×10⁻⁴
- SS-MRC：2.1×10⁻³
特别值得注意的是，当M从32增至16384时，SS-CGA的BER从8.7×10⁻⁴降至3.2×10⁻⁴，证明大尺寸网格能提供更好的时延分辨率。
6. 工程实践建议
6.1 参数配置经验
基于大量实验总结的黄金参数：
# 适用于车载场景(Veh-A信道) sparse: threshold: 0.08 max_paths: 6 cga: iterations: 10 regularization: 1e-3 gpu: block_size: 256 streams: 46.2 常见问题排查
BER突然恶化：
- 检查阈值θ是否随SNR动态调整
- 验证路径数P是否超过预设最大值
- 确认相位补偿项γp,q计算是否正确
GPU利用率低：
- 增加CUDA stream数量
- 调整BLOCK_SIZE(推荐128-512)
- 检查内存访问是否连续
实时性不达标：
- 采用异步流水线设计
- 预分配所有GPU内存
- 考虑混合精度计算(FP16+FP32)
在实际部署中，我们建议先进行离线分析确定最优迭代次数，再通过实时监控SNR动态调整稀疏化阈值。对于M>8192的超大网格，可采用分块处理策略进一步降低内存峰值需求。
