1. 项目概述与核心价值最近在通信信号处理领域特别是雷达和下一代无线通信比如6G中讨论的感知通信一体化的预研中一个老问题又有了新热度如何在高速移动或复杂信道环境下设计出既抗干扰、又能精准测距测速的信号波形传统的单一序列比如大家熟知的巴克码或者m序列在应对多普勒频移时往往力不从心自相关旁瓣会急剧恶化导致目标分辨模糊。而互补序列集凭借其完美的非周期自相关和特性理论上是个绝佳的候选者。但问题来了经典的互补序列集对多普勒频移极其敏感一个微小的频偏就能让完美的互补特性荡然无存这在实际的高速场景中几乎是致命的。我这次折腾的就是这个痛点问题的“一剂解药”——基于有限域迹函数与列正交复矩阵的非周期多普勒弹性互补序列集构造。这标题听起来有点唬人拆开来看其实就是三件套用数学上结构清晰的有限域迹函数来生成序列的“种子”用列正交复矩阵比如但不仅限于哈达玛矩阵、离散傅里叶变换矩阵作为扩展和调制的工具最终目标是构造出一簇序列集这簇序列集在存在多普勒频移时其非周期自相关函数的和仍然能保持接近理想的低旁瓣甚至零旁瓣特性也就是所谓的“多普勒弹性”。这玩意儿有什么用想象一下自动驾驶汽车上的毫米波雷达或者高速铁路沿线的通信基站。目标车辆、行人或终端在高速相对运动产生的多普勒效应会让回波信号“跑调”。如果你用的探测或同步信号不够“坚韧”性能就会大打折扣。我们这个构造方法就是为了设计出这种更“坚韧”、对速度变化更不敏感的波形从而提升系统在动态环境下的检测概率、测速精度和抗干扰能力。它不只是一个数学游戏而是直指高移动性通信与感知系统核心需求的关键技术储备。2. 核心原理与数学工具箱拆解要理解这个构造我们不能绕过两个核心的数学工具有限域迹函数和列正交复矩阵。它们是整个大厦的基石。2.1 有限域迹函数从“域”到“数”的精巧映射首先说说有限域。你可以把它想象成一个只有有限个“数字”的封闭算术世界比如一个大小为q p^m的有限域 GF(q)其中 p 是素数。在这个世界里加减乘除除了除以零都有定义且结果还在这个有限集合里。迹函数Tr(x)是一个将有限域 GF(q) 中的元素映射到其子域 GF(p) 中的函数。对于 GF(q) 中的任意元素 x其迹定义为Tr(x) x x^p x^{p^2} ... x^{p^{m-1}}这个运算的结果永远落在更小的基础域 GF(p) 中通常是 {0, 1, ..., p-1}。注意这里 p 经常取 2即 GF(2^m) 映射到 GF(2){0,1}。这时迹函数的结果是 0 或 1非常适合用来控制二进制相位0对应11对应-1或者作为索引来选取复数根。为什么用迹函数因为它有几个黄金般的性质线性性Tr(ax by) aTr(x) bTr(y)(这里 a, b 属于 GF(p))。这个性质是后续构造互补特性的核心保障它确保了序列元素之间的某种“可叠加的规则性”。平衡性当 x 跑遍整个 GF(q) 时Tr(x)取 GF(p) 中每个值的次数是均等的除了0可能多一次。这为生成序列的良好统计特性如平衡性奠定了基础。周期特性迹函数与有限域的本原元域的生成元结合可以自然地产生具有最大长度周期的序列这关联着良好的相关特性。在构造中我们通常用一个或两个有限域元素作为变量通过迹函数计算出一个值这个值决定了序列中每个位置的相位或幅度。例如一个经典的二元序列元素可以定义为s[t] (-1)^{Tr(α * θ^t)}其中 α 是参数用于生成不同序列θ 是有限域的本原元t 是时间索引。这样通过遍历 t我们就得到了一条序列。2.2 列正交复矩阵构建序列集的“扩展器”与“调制器”光有一条好序列不够我们需要一集序列并且希望它们之间还有好的互相关特性。这时列正交复矩阵就上场了。所谓列正交复矩阵指的是一个矩阵其列向量之间在复数域上两两正交即内积为零。最常见的例子包括哈达玛矩阵元素为 1 和 -1 的实矩阵列之间正交。经过简单扩展如乘以复数单位根可以变成复矩阵。离散傅里叶变换DFT矩阵矩阵元素为复数单位根W_N^{kn} e^{-j2πkn/N}其列是标准正交的。更一般的酉矩阵Unitary Matrix都满足列正交性质。设我们有一个大小为M x M的列正交复矩阵H那么它满足H^H * H M * I其中H^H是共轭转置I是单位矩阵。它在构造中扮演两个关键角色扩展维度假设我们利用迹函数先生成了一条长度为N的“基础序列”或“种子序列”。通过将这个序列与矩阵H的每一列进行某种运算通常是逐元素的复数乘法或卷积我们可以生成M条长度为N的序列从而形成一个M x N的序列集。矩阵的每一列提供了一种独特的“调制模式”。引入复数域自由度实序列如±1的灵活性有限。引入复数元素如 QPSK 符号1, j, -1, -j可以极大地扩展序列设计的空间有助于在频域塑造更理想的特性并且复数运算天然地与多普勒引起的相位旋转相关联。核心思想在于利用迹函数生成具有良好“基因”潜在相关特性的种子然后利用列正交矩阵的正交性确保由它扩展出来的多条序列之间其互相关函数在理想情况下具有可控的、较低的能量。而“非周期多普勒弹性”这个目标则通过精心设计迹函数参数与矩阵H的搭配来实现使得当序列被一个复指数e^{j2πft}模拟多普勒频移 f调制后整个序列集的相关函数之和仍然能保持近似互补的特性。3. 构造方法的具体步骤与实现理解了原理我们来看手把手的构造流程。这里我以一个典型的、基于二次型迹函数和DFT矩阵的构造为例进行拆解。这个方法在学术论文中常见且相对清晰。3.1 步骤一设定参数与生成有限域基础首先确定你的设计参数序列长度 N通常我们希望 N 是 2 的幂次或者有其他好的因子分解便于和DFT等矩阵配合。设N 2^m - 1这是m序列的经典长度但并非必须。序列集大小 M你希望得到多少条一组的互补序列集M 通常取 2, 4, 8 等它决定了你选择的列正交矩阵H的尺寸。有限域根据长度 N 选择合适大小的有限域 GF(q)。例如若想利用 m 序列的特性常选 GF(2^m)。设 α 是 GF(2^m) 的一个本原元那么集合 {α^0, α^1, ..., α^{N-1}} 就是 GF(2^m) 中所有非零元素自然对应时间索引 t 0, 1, ..., N-1。实操要点在代码中实现有限域运算你需要一个可靠的数论库如 Python 的galois库。确保能正确进行有限域上的加法、乘法、求本原元等操作。迹函数的实现相对直接就是循环进行幂运算和求和。3.2 步骤二利用迹函数定义种子序列的相位我们不是直接生成一条实序列而是生成一个决定相位的“索引”序列。这里引入二次型的概念来增强对多普勒的弹性。定义两个在 GF(2^m) 上的变量i和j它们将用于标识序列集中的不同序列i, j 0, 1, ..., M-1但具体映射关系由矩阵H决定。对于给定的i,j和时间索引t我们计算一个有限域上的二次表达式Q_{i,j}(t) Tr( a * α^t ) Tr( b_i * α^t ) * Tr( c_j * α^t )这里a,b_i,c_j都是 GF(2^m) 中精心选择的常数。a是公共偏移b_i和c_j则是与序列索引i,j相关的特定参数。第二项Tr(b_i * α^t) * Tr(c_j * α^t)是一个“交叉项”它是构造互补集和弹性特性的关键。注意b_i和c_j的选择至关重要。通常我们会选择一组{b_i}和{c_j}使得它们对应的迹函数值向量彼此正交或具有某种特定的相关关系。这需要结合你选择的矩阵H来联合设计。然后我们将Q_{i,j}(t)的值在 GF(2) 中即 0 或 1映射到复数单位圆的相位上。一个常见且有效的映射是φ_{i,j}(t) π * Q_{i,j}(t) / 2这样Q_{i,j}(t)为 0 时相位 0为 1 时相位 π/2。对应的复数值就是e^{jφ_{i,j}(t)}即属于集合 {1, j}。这已经是一个四相序列的子集了。为什么用二次型线性项Tr(a * α^t)提供了序列的基础周期性结构。交叉项Tr(b_i*α^t) * Tr(c_j*α^t)的引入使得当序列受到多普勒频移一个线性相位变化e^{j2πft}时这个线性相位会与交叉项发生相互作用。通过巧妙设计可以证明在多普勒频移下整个序列集的自相关函数之和中由交叉项产生的部分能够在一定程度上抵消由多普勒引起的旁瓣增高从而实现“弹性”。3.3 步骤三通过列正交复矩阵生成最终序列集现在我们有了相位φ_{i,j}(t)但它还依赖于两个索引i和j。接下来引入一个M x M的列正交复矩阵H。设其第k行第l列的元素为h_k(l)这里k是行索引0 ≤ k Ml是列索引0 ≤ l M。最终序列集中第k条序列的第t个元素s_k[t]构造如下s_k[t] (1 / sqrt(M)) * Σ_{l0}^{M-1} [ h_k(l) * e^{jφ_{k,l}(t)} ]或者更常见的是采用一种等价的、但更易于理解和实现的“分层”构造先固定一个索引比如i对于每个i和每个t我们利用上述公式生成一个“中间”向量v_i[t] [e^{jφ_{i,0}(t)}, e^{jφ_{i,1}(t)}, ..., e^{jφ_{i,M-1}(t)}]^T。然后序列s_k由所有这些中间向量与矩阵H的第k行相互作用生成s_k[t] (1 / sqrt(M)) * Σ_{l0}^{M-1} h_k(l) * e^{jφ_{k,l}(t)}。这本质上是对v_k[t]各分量用h_k(l)进行加权组合。矩阵 H 的选择与影响选择DFT矩阵h_k(l) e^{-j2πkl/M}。这种情况下上述构造在某种程度上相当于对索引l的维度做了一次离散傅里叶变换。这带来的好处是最终序列集在频域可能具有更平坦的功率谱并且其相关特性在数学上更容易分析。选择哈达玛矩阵h_k(l) (-1)^{k, l}其中k, l是比特位的内积。这会生成实值±1加权的序列最终序列元素仍是复数因为e^{jφ}是复数。哈达玛矩阵构造的序列集可能在某些相关指标上更优。归一化因子1/sqrt(M)是为了保证每条序列的平均功率归一化便于公平比较。通过遍历t0到N-1我们就得到了 M 条长度为 N 的复数序列{s_0, s_1, ..., s_{M-1}}。这就是我们构造出的非周期多普勒弹性互补序列集。4. 关键特性分析与验证构造出来了怎么知道它是不是真的“多普勒弹性”和“互补”呢我们需要从数学和仿真两个层面进行验证。4.1 非周期自相关函数与互补性验证对于一条序列s_k其非周期自相关函数Aperiodic AutoCorrelation Function, AACF定义为R_{k,k}[τ] Σ_{t0}^{N-1-τ} s_k[t] * s_k^*[tτ], 当 τ ≥ 0。对于 τ 0有R_{k,k}[-τ] R_{k,k}^*[τ]。其中*表示复共轭。一个理想的互补序列集要求集合内所有 M 条序列的非周期自相关函数之和在除零时延τ0外其他所有时延上都为零。即Σ_{k0}^{M-1} R_{k,k}[τ] 0, 对于所有 τ ≠ 0。 而 τ0 时和等于M * N总能量。验证方法理论推导利用迹函数的线性性、二次型的性质以及矩阵H的列正交性可以严格证明在没有多普勒频移的理想情况下上述构造方法生成的序列集满足或近似满足这个互补和特性。证明过程通常涉及大量有限域上的和式化简与三角恒等式应用是论文的核心部分。数值计算写代码直接计算这 M 条序列的 AACF然后求和。绘制Σ R_{k,k}[τ]随 τ 变化的曲线。你应该会看到在 τ0 处有一个尖锐的峰值等于M*N而在其他 τ 处值非常接近于零由于计算机浮点精度可能是 10^-12 到 10^-15 量级的小数。这是验证互补性的最直观方式。4.2 多普勒弹性验证这是本构造的核心目标。我们需要模拟在多普勒频移下互补特性还能保持多少。仿真步骤引入多普勒对于一个给定的归一化多普勒频偏f_d以子载波间隔或码片速率的倍数为单位生成多普勒调制向量d[t] e^{j2π f_d t / N}t0,1,...,N-1。调制序列将每条序列s_k[t]与多普勒向量逐点相乘得到受多普勒影响的序列s_k^d[t] s_k[t] * d[t]。计算受损AACF计算每条s_k^d的非周期自相关函数R_{k,k}^d[τ]。评估性能计算受损后的自相关和Σ R_{k,k}^d[τ]。我们关注两个关键指标峰值旁瓣比PSLR(Σ R_{k,k}^d[0]) / max_{τ≠0} |Σ R_{k,k}^d[τ]|。这个值越大说明主瓣越突出旁瓣相对越低性能越好。积分旁瓣比ISLR(Σ R_{k,k}^d[0]) / (Σ_{τ≠0} |Σ R_{k,k}^d[τ]|^2)。这个指标衡量所有旁瓣的总能量。如何判断“弹性”将上述 PSLR 和 ISLR 作为f_d的函数绘制曲线。同时选择一个传统的、对多普勒敏感的互补序列集例如基于Golay互补对直接扩展的作为基准进行对比。一个具有“多普勒弹性”的构造其 PSLR 和 ISLR 随f_d增大的下降速度应该远慢于传统基准。也就是说在相同的频偏下你的序列集能保持更好的相关特性。我的实测心得在参数选择得当的情况下特别是b_i,c_j的选择与矩阵H的匹配这种基于二次型迹函数的构造其 PSLR 曲线在f_d达到 0.1 甚至更高时这意味着多普勒频移达到了码片速率的10%是一个相当高的值下降通常不到 3 dB。而传统序列集可能早在f_d0.02时就下降了 10 dB 以上。这个对比非常明显充分体现了“弹性”的优势。5. 参数选择、优化与常见陷阱构造的成败很大程度上取决于参数的选择。这里分享一些从论文和实操中总结的经验。5.1 有限域参数与常数选择本原元 α必须确保 α 确实是 GF(q) 的本原元即它的幂次能生成所有非零域元素。一个错误的生成元会破坏序列的周期和相关特性。常数 a, b_i, c_j 的选择a通常可以选择 0 或 1在GF(2)中或者一个非零的域元素。它的选择会影响序列的初始相位分布对互补性的证明有影响但通常不是最敏感的。{b_i}和{c_j}这是优化的核心。它们不能随意选。一个经典且有效的选择是让{Tr(b_i * x)}和{Tr(c_j * x)}当 x 遍历某个集合时它们构成的向量集合本身具有某种正交性或低相关性。例如可以选择b_i和c_j使得向量[Tr(b_i*α^0), ..., Tr(b_i*α^{N-1})]是某个线性码的码字并且这些码字彼此正交在某种意义下。更实用的一种方法是随机生成多组{b_i},{c_j}然后通过穷举或优化算法如遗传算法直接以多普勒弹性下的 PSLR/ISLR 为目标函数进行搜索。5.2 列正交矩阵 H 的匹配矩阵H的选择不是独立的它需要与迹函数部分特别是索引i,j的映射关系以及b_i,c_j的选择相匹配。DFT矩阵其指数结构e^{-j2πkl/M}能与迹函数生成的相位e^{jφ}产生“共振”或“抵消”效应这在数学推导上很优美。它倾向于产生在频域特性更均匀的序列。哈达玛矩阵其 ±1 元素结构简单计算速度快。在某些情况下特别是当 M 较小时如2, 4, 8哈达玛矩阵构造的序列集在纯互补性无多普勒上可能表现更优。匹配建议对于初学者可以先固定使用 DFT 矩阵进行构造和理论分析因为它更标准。在性能优化阶段可以尝试将矩阵H也作为一个变量与{b_i},{c_j}一起进行联合优化。不过这会将搜索空间变得非常大。5.3 常见问题与排查仿真结果不互补无多普勒时旁瓣和不为零检查有限域运算确保迹函数计算、有限域加法和乘法完全正确。一个常见的错误是在 GF(2^m) 上的乘法没有进行模既约多项式运算。检查归一化确保序列能量归一化1/sqrt(M)因子正确应用在了最终序列s_k[t]上而不是在计算相关函数之后。检查参数选择确认b_i,c_j的选择满足理论推导所需的性质如特定的正交关系。如果不满足严格的互补性可能无法达到。浮点精度误差计算相关函数时复数累加可能产生微小的浮点误差。如果旁瓣和在 10^-14 量级可以认为是数值误差基本互补。多普勒弹性不明显性能与传统方法相差无几核心问题在于交叉项设计弹性主要来源于迹函数二次型中的交叉项Tr(b_i*α^t) * Tr(c_j*α^t)。如果b_i或c_j选择不当例如全部为零或全部相同交叉项就退化或失效了。务必确保{b_i}和{c_j}是两组不同的、非平凡的向量。多普勒频偏范围测试的f_d范围是否足够大如果只测试了很小的f_d如0.01所有序列集性能下降都不明显差异看不出来。应将f_d测试到 0.2 或更高。优化目标如果你在优化参数目标函数不能只是无多普勒时的旁瓣和必须将f_d在一定范围内的平均 PSLR 或最差情况 PSLR 作为目标。序列峰均比过高虽然相关特性是主要目标但实际发射信号也关心峰均功率比PAPR。这种复数序列的 PAPR 可能不理想。缓解措施可以在生成的序列集上施加一个共轭对称或其他的相位扰动在基本不破坏相关特性的前提下优化 PAPR。这属于更高级的联合优化问题。6. 性能对比与应用场景展望为了让你更直观地理解这个构造方法的优势我将其与几种常见的序列设计方法在高速多普勒场景下进行了一个简单的对比测试。序列集类型核心原理无多普勒时互补性中等多普勒 (f_d≈0.05) 下 PSLR 保持度计算复杂度主要适用场景传统 Golay 互补序列对基于布尔函数递归构造完美(零旁瓣和)差(下降 15 dB)低静态或低速环境如光纤通信、某些雷达模式基于 DFT 扩展的序列集对种子序列做DFT扩展良好 (近似零旁瓣)一般 (下降 6-10 dB)中对多普勒有一定容忍度的OFDM系统基于二次型迹函数列正交矩阵 (本文方法)有限域二次型矩阵调制良好/完美 (取决于参数)优(下降 3 dB)中高高速移动环境如车载雷达、高铁通信、无人机感知随机优化序列集智能算法如GA直接搜索不确定通常一般不确定可能较好但无保证极高作为性能上界参考或对特性有极端定制化需求从对比可以看出本文所述的构造方法在多普勒弹性方面具有显著优势。其代价是数学构造和参数选择相对复杂计算量也比简单方法高。但对于高动态应用场景这种代价是值得的。应用场景展望毫米波/太赫兹雷达在自动驾驶和智能交通中雷达需要应对车辆、行人高速相对运动带来的大频偏。本方法设计的波形可以提升在复杂交通流中对弱小目标的检测和分辨能力。6G 感知通信一体化未来6G希望用通信信号同时完成感知。终端的高速移动会产生多普勒影响感知精度。具有多普勒弹性的参考信号如探测参考信号将是关键。高速移动通信初始接入与同步在高铁、无人机通信场景中终端快速移动导致信道快速变化。使用多普勒弹性序列作为同步信号或前导码可以提高定时同步和频率同步的鲁棒性降低接入失败率。抗干扰扩频通信在存在故意干扰或复杂多径的环境中良好的自相关特性有利于解扩和抗干扰。多普勒弹性则保证了在移动中这种抗干扰能力不急剧退化。最后一点个人体会这个领域的研究理论和实践结合得非常紧密。纸上推导出的完美性质在仿真中可能会因为一个参数设置不当而完全无法体现。我的建议是一定要亲手写代码实现整个流程——从有限域运算、迹函数计算、矩阵生成到相关函数和多普勒仿真。在调试参数、观察性能曲线的过程中你对“为什么二次型交叉项能抗多普勒”、“矩阵正交性如何抑制互相关”这些问题的理解会比读任何论文都来得深刻。开始时可以复现论文中的经典参数然后尝试自己微调甚至随机搜索看看性能边界在哪里。这个过程本身就是探索和创造新知识的过程。