正交时频空(Orthogonal Time Frequency Space,OTFS)调制因其在高速移动场景下优越的抗多普勒频移特性,被视为未来低地球轨道(Low Earth Orbit,LEO)卫星通信的关键候选技术。然而,OTFS信号固有的峰均功率比(Peak-to-Average Power Ratio...正交时频空(Orthogonal Time Frequency Space,OTFS)调制因其在高速移动场景下优越的抗多普勒频移特性,被视为未来低地球轨道(Low Earth Orbit,LEO)卫星通信的关键候选技术。然而,OTFS信号固有的峰均功率比(Peak-to-Average Power Ratio,PAPR)问题,会严重降低卫星高功率放大器(High-Power Amplifier,HPA)的效率,并引入显著的非线性失真,从而恶化误码率(Bit Error Rate,BER)性能。为解决此问题,提出了一种创新的混合自适应削波(Hybrid Adaptive Clipping,HAC)与神经网络预失真(Neural Network Predistortion)的方法——HAC-NNP。自适应削波(Adaptive Clipping,AC)模块根据实时信道质量或业务需求动态调整削波门限,在PAPR抑制和信号原始失真之间取得初步平衡;轻量级的神经网络(Neural Network,NN)预失真器在发射端对削波后的信号进行处理,训练后用于补偿由“削波处理”和“卫星HPA非线性效应”共同引入的复杂失真。仿真结果表明,在典型的LEO卫星信道和HPA非线性模型下,与传统削波方法相比,该HAC-NNP方法在将PAPR降低约3.5 dB的同时,能够显著改善由削波和HPA非线性共同导致的信号失真,将BER性能恢复至接近无HPA非线性影响的理想水平。展开更多
