This paper proposes orthogonal time sequency multiplexing (OTSM), a novel single carrier modulation scheme that places information symbols in the delay-sequency domain followed by a cascade of time-division multiplexing (TDM) and Walsh-Hadamard sequence multiplexing. Thanks to the Walsh Hadamard transform (WHT), the modulation and demodulation do not require complex domain multiplications. For the proposed OTSM, we first derive the input-output relation in the delay-sequency domain and present a low complexity detection method taking advantage of zero-padding. We demonstrate via simulations that OTSM offers high performance gains over orthogonal frequency division multiplexing (OFDM) and similar performance to orthogonal time frequency space (OTFS), but at lower complexity owing to WHT. Then we propose a low complexity time-domain channel estimation method. Finally, we show how to include an outer error control code and a turbo decoder to improve error performance of the coded system.


翻译:本文提议了矩形时间序列多重转换( OTSM), 这是一种新型的单一承运人调制方案, 它将信息符号置于延迟序列域, 之后是时分多路转换( TDM) 和 Walsh- Hadamard 序列多重转换。 由于 Walsh Hadamard 变换( WHT), 调制和降制不需要复杂的域数乘法。 对于拟议的 OTSM, 我们首先在延迟序列域中得出输入- 输出关系, 并展示一种利用零平铺的低复杂度检测方法。 我们通过模拟证明 OTSM 与正方位频率多路分解( OFDM) 及与正方位时空( OtFSFS) 相似的性能增益, 但是由于 WHT 的复杂度较低。 然后我们提出一个低复杂性的时间- 度频道估测法。 最后, 我们展示了如何包含外误控码代码和涡形解码来改进编码系统的错误性能 。

0
下载
关闭预览

相关内容

【ACMMM2020】条件推理的医学视觉问答
专知会员服务
38+阅读 · 2020年9月9日
专知会员服务
42+阅读 · 2020年7月7日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
revelation of MONet
CreateAMind
5+阅读 · 2019年6月8日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Keras实现基于MSCNN的人群计数
AI科技评论
8+阅读 · 2019年2月11日
【TED】什么让我们生病
英语演讲视频每日一推
7+阅读 · 2019年1月23日
【泡泡一分钟】基于运动估计的激光雷达和相机标定方法
泡泡机器人SLAM
25+阅读 · 2019年1月17日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
LibRec 精选:基于LSTM的序列推荐实现(PyTorch)
LibRec智能推荐
50+阅读 · 2018年8月27日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
3+阅读 · 2018年10月25日
VIP会员
相关资讯
revelation of MONet
CreateAMind
5+阅读 · 2019年6月8日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Keras实现基于MSCNN的人群计数
AI科技评论
8+阅读 · 2019年2月11日
【TED】什么让我们生病
英语演讲视频每日一推
7+阅读 · 2019年1月23日
【泡泡一分钟】基于运动估计的激光雷达和相机标定方法
泡泡机器人SLAM
25+阅读 · 2019年1月17日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
LibRec 精选:基于LSTM的序列推荐实现(PyTorch)
LibRec智能推荐
50+阅读 · 2018年8月27日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员