🚀 OTFS-SCMA 下行链路仿真平台

完整双层接收机链路复现 · OTFS + SCMA + MMSE + MPA · 中文工程化文档 支持完整 BER 仿真、快速演示、8 张深度可视化图自动生成

📌 为什么选择本仿真平台？

很多 OTFS/SCMA 示例代码存在同类问题：链路不完整、函数耦合重、文档缺失、图像输出散乱。  本项目目标是把“能跑通”升级为“可讲解、可复现、可扩展”的工程级平台。

🎯 核心价值

🔬 学术研究价值

• 完整实现 OTFS-SCMA 下行链路双层接收机：线性 MMSE + 图推断 MPA
• 可直接用于过载稀疏多址场景中的检测性能研究
• 提供算法文档与代码文档双文档体系，便于论文与工程对照
• 支持迭代次数、SNR 范围、误码统计门限等关键实验控制参数

💼 工程应用价值

• 模块化函数设计，低耦合，便于插拔替换
• 内置结果产物规范化输出（ results/*.png）
• 对中间链路有可视化证据，便于回归测试与故障定位

⚡ 技术亮点

🏗️ 完整工程结构

OTFS_SCMA_downlink_refactored/
 ├── main_otfs_scma_full.m                 # 完整 BER 蒙特卡洛仿真
 ├── main_otfs_scma_demo.m                 # 快速演示仿真
 ├── demo_advanced_visualization.m         # 高级可视化 + 收敛分析
 ├── data/
 │   └── codebook_J6_K4.mat                # SCMA 码本
 ├── functions/
 │   ├── otfs_modulation.m                 # OTFS 调制
 │   ├── otfs_demodulation.m               # OTFS 解调
 │   ├── otfs_channel_gen.m                # 多径系数生成
 │   ├── otfs_channel_output.m             # 信道传播与噪声叠加
 │   ├── build_otfs_channel_matrix.m       # OTFS 等效信道矩阵
 │   ├── otfs_mmse_detect.m                # MMSE 均衡
 │   ├── extract_indicator_matrix.m        # 因子图指示矩阵提取
 │   ├── build_scma_channel_matrix.m       # SCMA 结构化信道矩阵
 │   └── scma_mpa_detect.m                 # LLR 域 MPA 检测
 ├── results/                              # 图像输出目录
 └── docs/
     ├── 算法文档.md
     └── 代码文档.md

🔁 链路级信号流

随机比特
   ↓
 SCMA码字映射（J=6, K=4）
   ↓
 多用户叠加到DD网格
   ↓
 OTFS调制（ISFFT + Heisenberg）
   ↓
 时延-多普勒多径信道 + AWGN
   ↓
 OTFS解调（Wigner + SFFT）
   ↓
 OTFS等效信道矩阵构建 H_rect
   ↓
 MMSE一级均衡
   ↓
 SCMA结构映射 H_eff
   ↓
 MPA二级多用户检测（LLR域迭代）
   ↓
 符号恢复 / BER统计

📐 默认参数（项目基线）

🧠 模块深度解读

1) 入口脚本分层

• main_otfs_scma_full.m  定位：高置信 BER 曲线生成。  机制：每个 SNR 点采用“错误比特累计到阈值再停止”。  产物： results/ber_curve_full.png。
• main_otfs_scma_demo.m  定位：快速功能验证。  机制：缩小 SNR 范围与错误门限，优先速度。  产物： results/ber_curve_demo.png。
• demo_advanced_visualization.m  定位：可解释性分析。  机制：单帧深度图（图 1\~7）+ 小规模多参数 BER 对比（图 8）。  产物： results/fig1~fig8_*.png。

2) 函数职责总览

| 函数                            | 主要输入                                      | 主要输出                 | 核心职责             |

| --------------------------------- | ----------------------------------------------- | -------------------------- | ---------------------- |

| otfs_modulation           | N,M,x(N×M)                             | s(MN×1)           | DD→TF→ 时域变换    |

| otfs_demodulation         | N,M,r(MN×1)                            | y(N×M)            | 时域 →TF→DD 逆变换 |

| otfs_channel_gen          | N,M,taps                                | chan_coef(1×taps) | 瑞利多径系数生成     |

| otfs_channel_output       | delay/Doppler/chan_coef/sigma_2/s       | r                  | 多径传播 +AWGN       |

| build_otfs_channel_matrix | delay_taps,Doppler_taps,chan_coef,M,N   | H_rect(MN×MN)     | DD 等效矩阵构建      |

| otfs_mmse_detect          | yr,H,sigma_2,N,M                        | x_est(N×M)        | 一级线性均衡         |

| extract_indicator_matrix  | C,J,K                                   | F(K×J)            | 从码本提取因子图     |

| build_scma_channel_matrix | H_rect,F,J,K,M,N                        | H_eff              | SCMA 结构化映射      |

| scma_mpa_detect           | yr,sigma_2,h_matrix,max_iter,C,K,N,M,cf | symbol_indices_hat | LLR 域迭代检测       |

3) 数据与图结构绑定

码本文件 data/codebook_J6_K4.mat 中矩阵 C 是全链路核心静态资源：

• 发送端：索引到码字完成 SCMA 映射
• 中间层： extract_indicator_matrix 自动生成 F(K×J)
• 接收端： scma_mpa_detect 利用同一码本做组合似然推断

这保证了“发端码本结构”和“收端因子图结构”天然一致。

💻 核心代码展示

🔥 片段 1：OTFS 调制（ISFFT + Heisenberg）

% ISFFT
 X = fft(ifft(x).').'/sqrt(M/N);
 
 % Heisenberg
 s_mat = ifft(X.')*sqrt(M);
 s = s_mat(:);

🚀 片段 2：OTFS 等效信道矩阵索引填充

eff_ele2 = mod(ele2-1 + Doppler_taps(tap_no), N) + 1;
 new_chan = add_term * add_term1 * chan_coef(tap_no);
 H_rect(N*(eff_ele1-1) + eff_ele2, N*(ele1-1) + ele2) = new_chan;

📡 片段 3：MPA LLR 域核心更新

U_sum(abs(U_sum) >= cf) = cf * sign(U_sum(abs(U_sum) >= cf));
 U((k-1)*M_mod + m, pr_j) = log(sum(exp(U_sum)));
 ...
 if check_value < 0.0001
     break;
 end

🎬 一键运行

% 进入项目根目录后，任选入口执行
 
 % 完整 BER 基线
 >> main_otfs_scma_full
 
 % 快速演示（推荐开发阶段先跑）
 >> main_otfs_scma_demo
 
 % 深度可视化与迭代收敛分析
 >> demo_advanced_visualization

🖼️ 输出产物说明

BER 曲线

• results/ber_curve_full.png
• results/ber_curve_demo.png

高级可视化 8 图

1. fig1_channel_dd_response.png：时延-多普勒信道响应
2. fig2_scma_factor_graph.png：SCMA 因子图和 F 热力图
3. fig3_multiuser_superposition.png：多用户叠加过程
4. fig4_otfs_modulation_flow.png：OTFS 调制流程
5. fig5_channel_matrix_sparsity.png： H_rect 与 H_eff 稀疏结构
6. fig6_mmse_equalization.png：均衡前后对比
7. fig7_mpa_convergence.png：MPA 收敛曲线
8. fig8_ber_vs_mpa_iterations.png：不同迭代次数 BER 对比

🛒 获取方式

本文代码仅为核心片段，完整版工程已整理好。 关注公众号 【 3GPP 仿真实验室】进行获取。