胥柯,向路平,胡杰,楊鯤
(電子科技大學信息與通信工程學院,四川 成都 611731)
隨著下一代無線網(wǎng)絡技術的發(fā)展,接入互聯(lián)網(wǎng)的設備將呈現(xiàn)井噴式增長。據(jù)估計,到2025年,入網(wǎng)設備數(shù)量將達到7 544億臺[1],這將給許多場景帶來新的通信問題[2]。尤其是隨著近些年車聯(lián)網(wǎng)和自動駕駛技術的發(fā)展,高移動性的車輛對通信質量有著較高的要求,這一問題逐漸引起學術界的關注?,F(xiàn)在普遍認為通信感知一體化(integrate2 sensing an2 communication,ISAC)是解決這一問題的關鍵技術。
雷達感知最初應用于軍方,利用雷達在空間中周期性地掃描來搜索目標,這一思想剛好可以應用在車輛感知定位中。然而,隨著電子元器件的發(fā)展和對通信資源的需求,已經(jīng)實現(xiàn)了更高頻段的通信,這在給人們帶來更令人滿意的服務的同時,也占用了雷達的一些頻率資源,5G毫米波的頻段已經(jīng)接近于某些雷達的工作頻段,隨著頻率的增加,通信會給雷達帶來更大的干擾。但是通信系統(tǒng)和雷達系統(tǒng)之間相似的信道特性也促進了二者的結合,即ISAC。ISAC的概念最早在1960年[3]被提出。自1990年以來,受大規(guī)模天線技術發(fā)展的推動,ISAC也得到了進一步發(fā)展。大規(guī)模天線通信和大規(guī)模天線雷達極大地提高了通信速率、自由度(2egree of free2om,DoF)和雷達感知精度,這使得ISAC具有很高的實用價值[4-6]。
ISAC被認為在人機交互、車聯(lián)網(wǎng)[7](vehicle- to-everything,V2X)、遙感、流量控制[8]和環(huán)境檢測[9]方面很有前景。現(xiàn)有的ISAC系統(tǒng)的實現(xiàn)方法可以歸納為資源分配和集成設計。一種方法是把通信資源劃分為兩個正交的部分,分別用于通信和感知[10]。然而,這并不能很好地利用頻率資源,因此感知和通信系統(tǒng)的集成是發(fā)展的必然趨勢,一個最優(yōu)的波形設計能夠在保證感知精度的同時實現(xiàn)最佳的通信速率。Roberton等[11]和Han等[12]開創(chuàng)性地使用了啁啾(chirp)信號和頻率/相位編碼波形來實現(xiàn)ISAC系統(tǒng)。Liu等[13]研究了一種雙功能的多天線雷達通信系統(tǒng)。Sturm等[14]基于正交頻分復用(orthogonal frequency 2ivision multiplexing,OFDM)技術提出了一種智能波形設計方法,可以同時進行數(shù)據(jù)傳輸和雷達感知。然而,在高移動性場景下的通信具有多普勒頻移,這會降低OFDM的通信性能[15]。針對這一問題,Ha2ani等[16]提出了一種新的波形設計技術——正交時頻空間(orthogonal time frequency space,OTFS)調 制,這 種 波 形 將 信 息 從 時 頻(time-frequency,TF)域轉換到時延多普勒(2elay-2oppler,DD)域進行傳輸。此外,通過OTFS波形雷達可以準確地感知到反射體的范圍、速度和角度信息,通過這些信息可推斷出由時延和多普勒頻移組成的信道狀態(tài)信息。因此,OTFS波形被認為是ISAC系統(tǒng)中極有前景的波形之一。Gau2io等[17-18]介紹了基于單天線和多天線的OTFS-ISAC系統(tǒng),并證明了OTFS技術在ISAC系統(tǒng)中的優(yōu)越性。目前學術界已經(jīng)有許多OSFS與ISAC結合的研究成果,例如,Bu等[19]提出了一個獨立于通信數(shù)據(jù)符號和非接口的OTFS通感一體化系統(tǒng),簡稱OTFS-ISAC系統(tǒng)。
ISAC系統(tǒng)在高速移動場景中的應用也受到了廣泛關注。Yuan等[20]提出了一種在路側單元(roa2 si2e unit,RSU)傳輸OTFS-ISAC信號的方案,并根據(jù)回波估計車輛的參數(shù)。Raviteja等[21]基于OTFS提出了一個低復雜度的匹配濾波算法,在雷達發(fā)送系統(tǒng)中估計目標的距離和速度。不同于匹配濾波,Gau2io等[22]也提出了一種能在雷達OTFS調制中有效估計目標距離和速度的算法,并且為了使OTFS-ISAC的設計更符合實際情況,其在設計ISAC系統(tǒng)的同時考慮了發(fā)射機和雷達目標之間信道中視距(line-of-sight,LOS)傳輸和非視距(non-line-of-sight,NLOS)傳輸?shù)慕Y合。Sturm等[14]考慮了雷達感知中不能直接獲得信道條件的場景,提出了基于空間擴散OTFS的ISAC系統(tǒng)。
然而,據(jù)本文調研,現(xiàn)有的工作還沒有完全挖掘出通過雷達感知輔助通信的潛力,當前的OTFS-ISAC系統(tǒng)并沒有對多用戶通信做出設計;此外,在高移動性的車聯(lián)網(wǎng)中,目前提出的OTFS-ISAC系統(tǒng)仍然僅考慮正交多址接入(orthogonal multiple access,OMA)。然而,非正交多址接入(non-orthogonal multiple access,NOMA)技術正是為了多個用戶使用相同的TF資源塊而設計的,能進一步提高頻譜利用率和系統(tǒng)容量[23]。NOMA技術的主要思想是通過控制功率區(qū)分不同的用戶。Ding[24]研究了NOMA輔助的OTFS系統(tǒng),設計了一個高移動性用戶和多個低移動性用戶共享頻譜的波束設計方案。
本文考慮一種帶有用戶公平性保證的OTFS-ISAC系統(tǒng),在車輛高速移動場景下為多個車輛提供公平性服務。在該場景下,基站接收被車輛反射后的OTFS-ISAC信號回波后,對其進行分析以獲得車輛運動參數(shù)。不同路徑信號的時延和多普勒頻移不同,因此基站可以通過回波推導出車輛的距離和速度,同時角度信息可以通過多天線技術獲得?;谏鲜霁@得的參數(shù),基站可以建立車輛運動的移動拓撲模型,并對其進行實時校正以保證其精度。在車輛移動拓撲模型的指導下,基站進行NOMA功率分配。本文的主要貢獻如下。
(1)提出了一種適用于高移動性車聯(lián)網(wǎng)的OTFS-ISAC系統(tǒng)設計方案,為了提升系統(tǒng)整體通信性能,本文利用NOMA技術設計了多用戶場景下的功率分配。
(2)在通過雷達獲得車輛速度、距離和角度等運動信息的基礎上,提出了一種建立車輛運動拓撲的方法,能夠實時追蹤車輛的位置。
(3)推導出在保證不同車輛公平性的前提下,功率分配問題的封閉解。仿真結果表明,本文提出的基于OTFS-ISAC的非正交多址接入系統(tǒng)具有很強的優(yōu)越性。相比于無雷達感知輔助的非正交多址OTFS系統(tǒng),基于OTFS-ISAC的非正交多址接入系統(tǒng)實現(xiàn)了25%的信息速率提升。
基于OTFS-ISAC的非正交多址接入系統(tǒng)模型如圖1所示,一個基站為P輛車提供服務。其中,每輛汽車配備單根接收天線,而基站配有兩組多天線,一組共Nt根發(fā)送天線用來給汽車下行發(fā)送OTFS-ISAC信號,另一組共Nr根接收天線用來接收汽車的反射回波,假設 Nt=Nr,且回波和下行傳輸之間不存在信號干擾,此外,本文還假設車輛不會互相遮擋,并且在移動的過程中相互獨立。
圖1 基于OTFS-ISAC的非正交多址接入系統(tǒng)模型
基于OTFS通感一體化的NOMA傳輸流程如圖2所示?;鞠蛳滦熊囕v發(fā)送OTFS-ISAC信號()s t。車輛在接收信號()s t后開始進行解調等操作,此時車輛表面反射回波?;驹诮邮栈夭ê?,通過回波分析車輛的位置和速度?;绢A測車輛在下一時刻的位置和速度,然后,NOMA輔助基站功率分配向下行發(fā)送OTFS-ISAC信號,循環(huán)上述流程,以此實現(xiàn)基站對車輛實時的位置估計和通信。
圖2 基于OTFS通感一體化的NOMA傳輸流程
首先,基站發(fā)送給第i輛車的信息經(jīng)過DD域調 制 后 得 到OTFS信 號xi[k,l]。其 中k = 0,1,…, N -1,l = 0,1,…, M-1,分別為多普勒系數(shù)和時延系數(shù),M和N分別為子載波數(shù)和時隙數(shù)。然后將P輛車的發(fā)射信息累加,即基站發(fā)送的OTFS信號為再通過逆辛有限傅里葉變換(inverse symplectic finite Fourier transform,ISFFT)將信號從DD域轉換到TF域,過程如式(1)所示。
其中, n = 0,1,… , N -1,m = 0,1,… ,M-1。
最后,X[n,m]利用理想矩形發(fā)射脈沖gt(t)進行海森堡變換,轉換為時域連續(xù)波形s(t),過程如式(2)所示。
通常而言,一個基站需要為大量的車提供服務,但在使用波束成形技術時,射頻鏈路的數(shù)量決定了不同數(shù)據(jù)流的個數(shù)。有限的射頻鏈路使得基站不可能通過單獨的窄波束向每輛車發(fā)送單獨的數(shù)據(jù)流。本文考慮了在大規(guī)模車輛下,一定存在需要一個數(shù)據(jù)流服務多輛車的場景。
為了實現(xiàn)基站對P輛車的服務,本文采用波束成形技術來對準不同的目標。假設基站的每個天線發(fā)送相同的信號s(t),發(fā)射信號矩陣為s(t)。通過波束成形技術發(fā)送的電磁波可以集中在θi方向上,其中θi為第i輛車的相對基站方向,i ∈[1,… , P]。因此基站對第i輛車傳輸?shù)男盘枮椋?/p>
其中,βi、νi、τi分別為基站和第i輛車之間的反射系數(shù)、時延和多普勒頻移。因此,雷達的回波信號可以表示為:
基站收到不同車輛的回波信號后,采用經(jīng)典的多重信號分類(multiple signal classification,MUSIC)算法對車輛相對于基站的角度進行估計。然后采用匹配濾波算法對速度和距離進行估計,該方法在滿足準確度的要求下具有較低的復雜度。通過匹配濾波的方法可以獲得信號的時延和多普勒頻移。匹配濾波可以表示為:
其中,Totfs為OTFS-ISAC信號的持續(xù)時間。對其匹配濾波后,在對應的時延和多普勒處出現(xiàn)較強的相關性。時延τi對應了車輛與基站之間的距離,同時多普勒νi為車輛的移動速度,多普勒的正負表示車輛移動的方向。
不失一般性,本文建立了一個通用的移動拓撲模型,如圖3所示,車輛和基站的距離為d,車輛此時從左向右行駛,速度為μ,車輛位于與基站中軸線夾角為θ的方向。
圖3 移動拓撲模型
假設匹配濾波后得到車輛回波的時延和多普勒,分別為τ0、ν0。c和fc表示光速和載波頻率,則車輛和基站的距離d和車輛移動速度μ分別為:
車輛在車道上移動時只有兩個方向,多普勒偏移當車輛從左往右移動時為正,從右往左時為負。假設t時刻車輛的位置、移動速度和角度分別為dt、μt和θt,同時傳輸一幀OTFS的時間為Totfs。假設估計的下個時刻1t+的位置為:
通過這個位置估計輔助1t+時刻的下行通信,并在1t+時刻的回波到達時糾正當前估計,然后再次估計下個時刻。
與雷達下行反射的信道不同,通信信道是從基站到車輛的下行信道。在完美信道的假設下只考慮主路徑,可以描述為:
其中,hi表示信道的大尺度衰落。因此,車輛接收信號可以描述為:
其中,yi(t)表示第i輛車傳輸?shù)男畔?,w(t)為符合高斯分布的白噪聲。信號同步后,將接收信號通過發(fā)射脈沖gr(t)進行維格納變換,將接收信號從時域映射到時頻域,具體如下。
再將時頻域離散信號Yi[n,m]進行辛有限傅里葉變換(symplectic finite Fourier transform,SFFT),第i輛車得到DD域信息恢復信號yi[k,l]為:
傳統(tǒng)NOMA通信分為基站上、下行通信。其中基站下行向車輛進行信息傳輸時,需要在幀頭加入導頻信息來保證下行信號能夠成功解調。并且NOMA功率分配的前提是基站知曉大尺度衰落信息,所以需要車輛向基站上行發(fā)送自身位置信息。但是在OTFS-ISAC系統(tǒng)中這兩個關于NOMA傳輸?shù)膯栴}將得到解決。第一,在基站通過感知獲取車輛的距離和速度信息后,可以估計從基站到車輛進行OTFS傳輸?shù)臅r延多普勒信道。在基站通過雷達感知回波信號得到信道大尺度衰落信息后,可以在基站端對信息進行預處理,使得車輛端跳過使用導頻估計信道的過程。第二,基站可以實時通過回波修正當前車輛的位置,從而省去了大量的上行傳輸開銷,提高了整體系統(tǒng)的信息速率。傳統(tǒng)NOMA系統(tǒng)和基于OTFS-ISAC的NOMA系統(tǒng)的幀結構如圖4所示。
圖4 傳統(tǒng)NOMA系統(tǒng)和基于OTFS-ISAC的NOMA系統(tǒng)的幀結構
在同一個數(shù)據(jù)流的前提下,使用NOMA保證多輛車的通信速率的公平性,并提升系統(tǒng)整體的信息速率。在通常的NOMA問題中,針對多用戶問題,一般先對用戶進行兩兩分組來確保串行干擾消除(successive interference cancellation,SIC)的成功率,在組與組之間采用正交的方式進行區(qū)分[25-27]。在車輛的動態(tài)移動中,可以將距離相近的車輛進行動態(tài)兩兩分組,只考慮組內功率分配問題。
本文考慮下行OTFS-ISAC信息傳輸階段的NOMA系統(tǒng),車輛1(U1)和車輛2(U2)接收的是疊加后的基站發(fā)送信號。假設U1和U2在同一組內,同時信道系數(shù)hi僅與基站和第i輛車之間的大尺度衰落相關。不失一般性地,假設信道h1≤h2,同時,在完美信道的假設下,基站和車輛之間的通信信道由LOS主導,不考慮NLOS。此外,假設基站可以準確估計車輛的位置。因此,信道系數(shù)可以描述為:
其中,tG、rG分別是發(fā)送天線和接收天線增益,λ是波長,id表示車輛i和基站的距離。
在NOMA系統(tǒng)下,U1和U2的通信速率可以描述為:
其中,0n表示高斯白噪聲,1α和2α分別是分配給U1和U2的功率,R1和R2分別是U1和U2使用連續(xù)干擾消除技術后的可達速率。U2的信道條件較好,可以先去除U1的干擾,但是U1傳輸信息時需要將U2的信息視為干擾。
在NOMA功率分配中,信道的先驗知識是非常重要的。不同車輛的信道狀況影響著車輛的信息解調順序,只有在已知不同車輛的信道強弱情況下,才能進行順序干擾消除。本文首先說明NOMA分配中車輛解碼消息和信道的內在聯(lián)系,假設是U2解碼發(fā)給U1信息的可達速率。根據(jù)先驗條件h1≤h2,R
2→1≥R1,因此具有更好信道條件的U2可以通過解調U1的信息消除干擾。在U2消除了U1的干擾后,就能獲得更高的信息速率。
在實際的應用場景中,一般情況下所有的通信應該是平等的,所有車輛應該享受相同的服務,這樣才能讓大多數(shù)車輛滿意。在完美信道下,最大最小公平(max-min fairness,MMF)問題可以描述為:
該問題的目標函數(shù)是最大化系統(tǒng)中信息速率最小的下界,以此保證不同車輛的公平性。其中兩輛車的發(fā)射功率之和小于或等于最大發(fā)射功率tP。
想要求得這個問題的最優(yōu)解,需要先對限制條件進行進一步的限定。一般來說,只有當基站達到最大的發(fā)射功率時系統(tǒng)才能達到最佳的性能,所以限制條件變?yōu)棣?+α2=Pt。首先給出這個問題最優(yōu)解的封閉解,然后對這個解的最優(yōu)性進行證明。當兩輛車的信息速率相等(R1=R2)時,達到MMF問題的最優(yōu)解。令α1=Pt-α2,能得到等式:
解出式(18),能獲得兩個關于α2的解。因為20α≥,舍去其中的負數(shù)解后,最優(yōu)解為:
進一步地,說明其最優(yōu)性。首先根據(jù)兩輛車的速率表示可知:U1的速率隨著α2的增加而單調減小,U2的速率隨著α2的增加而單調增加。當且僅當α2=α2
*、α1=Pt-α2
*時,U1和U2的速率相等。假設MMF問題的最優(yōu)解為α2
0, α1
0
=Pt-α2
0,第一種情況:α2
0
≥α2*,此時易知兩輛車的信息速率滿足R2≥R1。目標函數(shù)變?yōu)榱俗畲蠡疪1,通過不斷縮小α20增大R1,直到α2
0
=α2
*獲得最優(yōu)解。第二種情況:α2 0 ≤α2
*,此時兩輛車的速率滿足R1≥R2。目標函數(shù)變?yōu)樽畲蠡疪2,通過不斷增大α20增大R2,直到α20 = α2
*獲得最優(yōu)解。綜上所述,α2=α2
*,α1=Pt-α2
*即MMF問題的最優(yōu)解。
本文的系統(tǒng)仿真參數(shù)見表1,仿真實驗結果說明,系統(tǒng)的整個工作流程包括信道感知通信目標、移動拓撲模型建立、NOMA公平性功率分配和性能對比。本文將研究匹配濾波方法在估計物體及距離和速度信息的表現(xiàn)、運動估計與真實的差異、信噪比和通信距離對NOMA功率分配系統(tǒng)的影響。
表1 系統(tǒng)仿真參數(shù)
匹配濾波方法檢測兩個目標的性能表現(xiàn)如圖5所示。兩個目標的初始和基站距離分別為7 m和15 m,初始速度分別為8.3 m/s和13.9 m/s(30 km/h和50 km/h)??梢钥闯觯趯夭ㄟM行匹配濾波后,兩個物體表現(xiàn)為兩個拱形。在距離維度上為兩個點,在目標對應的距離上出現(xiàn)相關性,但是在其他距離上的值很小可以忽略。兩個目標的估計位置分別為6.98 m和14.51 m,在位置的估計上已經(jīng)非常高,誤差約為2%。在速度維度上呈現(xiàn)一個拱形,在最高點匹配的匹配濾波相關性最大。所以本文選取最高點作為估計值,映射到速度維度,兩個目標的估計分別為8.28 m/s和13.86 m/s。速度估計誤差為0.2%。在實際使用中考慮到車輛尺寸和波束寬度,這樣的精度已經(jīng)滿足車聯(lián)網(wǎng)的通信和感知需求。
圖5 匹配濾波方法檢測兩個目標的性能表現(xiàn)
車輛運動估計值和真實值的比較如圖6所示,實線表示對車輛速度的長期估計,虛線表示對位置的長期估計,S表示速度曲線,P表示位置曲線,E表示估計值,例如,表示車輛1的速度估計曲線,PU2表示車輛2的實際位置曲線。可以看出,車輛1和車輛2的真實速度在12 m/s和 10 m/s左右隨著時間浮動,系統(tǒng)對車輛的速度能夠準確預估并跟隨。在圖6中兩輛車的初始位置并不相同,兩輛車相向而行,在約1 s處相遇,隨后分開。比較兩輛車的真實位置和估計位置,可以得出系統(tǒng)能夠準確還原車輛位置的結論。
圖6 車輛運動估計值和真實值的比較
不同信噪比(signal noise ratio,SNR)下不同系統(tǒng)信息速率的比較如圖7所示,這里的SNR指兩輛車到達的平均值。U1和U2與基站之間的距離分別為15 m和7 m。實線和方塊分別表示單臺車輛1和車輛2的信息速率;圓圈虛線表示基于OTFS-ISAC的NOMA系統(tǒng),為本文提出的NOMA輔助的公平性通感一體化系統(tǒng);星點虛線表示無雷達輔助的傳統(tǒng)NOMA系統(tǒng);菱形虛線表示基于OTFS的OMA系統(tǒng)。如圖7所示,隨著SNR從5 2B增加到40 2B,車輛的信息速率在保持相同的同時從0.5 bit/(s·Hz)增加到6.4 bit/(s·Hz),保證了其公平性。其他曲線均是兩輛車的信息速率之和。在SNR為20 2B時,無雷達感知輔助的OMA、傳統(tǒng)NOMA系統(tǒng)和基于OTFS-ISAC的NOMA系統(tǒng)的速率分別為2.7 bit/(s·Hz)、4.7 bit/(s·Hz)和5.9 bit/(s·Hz)。無雷達感知輔助的傳統(tǒng)NOMA系統(tǒng)相對于OMA系統(tǒng)提升約74%的信息速率,而本文提出的基于OTFS-ISAC的NOMA系統(tǒng)在無雷達感知輔助的傳統(tǒng)NOMA系統(tǒng)的基礎上提升了約25%的信息速率,因為通感一體化系統(tǒng)能夠通過OTFS回波信號得到基站與車輛的距離和車輛的速度。OTFS-ISAC系統(tǒng)在基站端可以根據(jù)得到的信道的先驗知識預先對數(shù)據(jù)進行處理,使得接收端跳過信道估計和均衡。這樣基于OTFS-ISAC的NOMA系統(tǒng)在下行傳輸時可以不插入導頻來輔助車輛的信道估計。此處使用的OMA系統(tǒng)在運行時不僅需要均分時隙對兩輛車進行服務而且需要插入導頻來輔助通信。并且傳統(tǒng)NOMA系統(tǒng)能夠正常工作的前提是基站通過回波信號預測了基站和車輛之間下一個時刻的距離。無雷達感知輔助的傳統(tǒng)NOMA系統(tǒng)需要車輛通過上行傳輸向基站發(fā)送估計的位置信息,而基于OTFS-ISAC的NOMA系統(tǒng)則是不需要這部分開銷的。綜上所述,基于OTFS-ISAC的NOMA系統(tǒng)要優(yōu)于無雷達感知輔助的傳統(tǒng)NOMA系統(tǒng),并且它們都優(yōu)于OMA系統(tǒng)。
圖7 不同信噪比下不同系統(tǒng)信息速率的比較
不同距離下不同系統(tǒng)通信速率的比較如圖8所示。在固定車輛1到基站的距離為15 m,固定信號噪聲大小符合在車輛1和車輛2距離基站分別為15 m和13 m時,SNR為20 2B。改變車輛和基站之間的距離來觀察系統(tǒng)信息速率的變化。由圖8可知,在車輛2不斷靠近的過程中,所有系統(tǒng)的信息速率均在提高。并且在車輛1位置不變的情況下,由于車輛2和基站的距離從10 m減小到5 m,車輛1的信息速率從2.9 bit/(s·Hz)提升至3.7 bit/(s·Hz),且二者變化保持一致,系統(tǒng)的公平性得到了保證。車輛2距離為5 m時,基于OTFS- ISAC的NOMA系統(tǒng)、無雷達輔助的傳統(tǒng)NOMA系統(tǒng)和基于OTFS的OMA系統(tǒng)的信息速率分別為7.4 bit/(s·Hz)、5.2 bit/(s·Hz)和3.4 bit/(s·Hz)。在車輛2不斷靠近的過程中,不同系統(tǒng)下的信息速率相較于初始值都提升26%左右。
圖8 不同距離下不同系統(tǒng)信息通信速率的比較
本文考慮了一種帶有用戶公平性保證的OTFS通感一體化系統(tǒng),簡稱OTFS-ISAC系統(tǒng),在車輛高速移動場景下為多輛車提供公平性功率分配服務。在該場景下,基站接收到被車輛反射后的OTFS-ISAC信號回波,然后對其分析獲得車輛運動參數(shù)。由于不同路徑的信號時延和多普勒頻移不同,基站可以通過回波預測出車輛的距離和速度,同時角度信息可以通過多天線技術獲得。基于上述獲得的參數(shù),基站可以建立車輛運動的預測拓撲,并對其進行實時校正來保證其精度。在車輛預測拓撲的指導下,基站采用NOMA進行公平性功率分配。仿真結果表明,相比于無雷達感知輔助的非正交多址OTFS系統(tǒng),基于OTFS-ISAC的非正交多址接入系統(tǒng)能在保證車輛功率分配公平性的同時實現(xiàn)25%的信息速率提升。本文優(yōu)化問題考慮的是完美信道假設情況,在接下來的工作中可以考慮非完美信道的魯棒性設計。