企业官网建设流程全解析

告别信道束缚探究 Random Multiplexing 随机复用技术在无线通信的演进史中每一代技术的革新往往伴随着复用方式的变革。从 4G/5G 时代的OFDM到近年来针对高移动性场景提出的OTFS和AFDM这些技术都在试图通过精巧的设计来“对齐”特定的信道结构。然而正如最新的科研成果所指出的这种对信道结构的过度依赖正成为限制系统鲁棒性的枷锁。今天我们要介绍一种全新的范式——Random Multiplexing (RM, 随机复用)。1. 为什么要“随机”传统的复用技术如 OFDM、OTFS本质上是信道耦合的。OFDM 依赖于循环前缀CP将多径信道转变为频域的并行子信道而在高速无人机或高铁等高多普勒频移场景下这种正交性会遭到破坏导致性能大幅下降。Random Multiplexing (RM)的核心思想是去耦合。它不再试图去顺应特定的信道物理特性而是通过一个随机变换Random Transform, RT将信号预先“打散”到整个传输维度上。其强大的特点在于普适性适用于任意范数有界且谱收敛的信道矩阵不再局限于特定的信道模型。统计平坦化它能构建一个等效的“输入各向同性”信道让每一个符号都均匀地经历信道衰落从而获得最大的分集增益。渐近最优理论证明结合低复杂度的 AMP 类检测器RM 可以达到 Replica MAP BER 的性能极限。2. 技术硬核Random Multiplexing 的数学奥秘2.1 信号模型随机变换的引入RM 的发送端非常简单。假设我们要发送的信号向量为sss在发送前我们先给它乘上一个随机变换矩阵Ξ\XiΞxΞsx \Xi sxΞs对应的接收信号模型为yAΞsny A \Xi s nyAΞsn这里AAA是物理信道矩阵Ξ\XiΞ是一个与信道和信号完全独立的随机酉矩阵如 Haar 分布矩阵或随机排列的傅里叶/哈达玛矩阵。2.2 直观理解从“盲人摸象”到“全局视角”为了形象理解 RM 的威力我们可以看论文中的一个 2D 直观对比传统正交复用如图 3a如果信道在某个方向衰落很严重那么落在该方向的信号就会被噪声彻底淹没形成“噪声空洞”导致误码率BER飙升 。随机复用如图 3b通过 45 度或随机旋转信号被均匀分布。即使信道在某一维度表现不佳其能量也会被分摊到其他维度。这种“各向同性”的特性使得星座点之间的区分度更高从而显著提升鲁棒性 。2.3 核心推导R-Transform 与性能预测RM 最神奇的地方在于它并不改变信道的特征值分布但它改变了特征向量的结构使其落入所谓的“普适类Universality Class” [cite: 271, 325, 335][cite_start]。基于随机矩阵理论RM 系统的性能可以用R-Transform来预测。根据 Lemma 1其均方误差MMSE由以下不动点方程决定mmse−1(v∗)σ−2⋅RR(−σ−2v∗)mmse^{-1}(v^*) \sigma^{-2} \cdot \mathcal{R}_R(-\sigma^{-2}v^*)mmse−1(v∗)σ−2⋅RR​(−σ−2v∗)这意味着无论实际信道多么复杂只要通过随机复用我们就能获得确定的、可预测的、且最优的性能保障 。3. 强大之处低复杂度的“跨域”神技很多人会担心随机变换后的等效信道矩阵AΞA\XiAΞ变得非常稠密且杂乱接收端的检测压力会不会巨大论文给出了完美的答案CD-MAMPCross-Domain Memory AMP检测器。跨域处理它在时域利用物理信道的稀疏性进行线性估计降低计算量在随机变换域进行非线性处理利用信号先验信息。复杂度极低通过快速变换算法如 FFT其复杂度仅为O(KNNlog⁡N)O(KN N \log N)O(KNNlogN)其中KKK是信道稀疏度 。相比于传统的 LMMSE 矩阵求逆CD-MAMP 简直是“轻量级”选手的巅峰 。4. 总结无线通信的“随机化”未来Random Multiplexing 证明了在复杂的通信环境中“无招胜有招”——通过引入受控的随机性反而能克服物理信道的不确定性。为什么 RM 值得关注增益惊人仿真显示在高速移动的 MIMO 场景下RM 相比 OFDM 或 OTFS 能带来2~10 dB的巨大增益 。效率更高由于不需要构造特定的信道结构RM 可以省去昂贵的循环前缀CP进一步提升频谱效率 。天生安全随机变换矩阵Ξ\XiΞ还可以作为天然的物理层加密密钥。随着 6G 对超高移动性和全场景覆盖的要求不断提高Random Multiplexing 这项“解耦”技术的出现或许正是开启下一代移动通信大门的钥匙 。本文主要参考论文Lei Liu et al., “Random Multiplexing,” arXiv:2512.24087.Lei Liu的Random Multiplexing开源代码在github上https://github.com/LeiLiu-s-Lab/Random-Multiplexing