Dans les transports rapides, l'Internet mobile ralentit : le signal qui file à la vitesse de la lumière se brouille, comme le paysage qui défile derrière la fenêtre. Les ingénieurs ont trouvé le moyen de compresser les données sans les laisser se mélanger. C'est comme une autoroute à plusieurs voies où les voitures-paquets roulent non pas avec un intervalle de sécurité, mais presque pare-chocs contre pare-chocs. Un « marquage au sol » spécial (la technologie AFDM) s'adapte à la vitesse et aux secousses, doublant le flux sans accident.
À la sortie de l'autoroute, le flot chaotique est décodé. C'est là que les mathématiques entrent en jeu : de la même manière que Fourier a décomposé tout signal en ondes simples, le récepteur, tel un scanner routier intelligent, disperse le mélange dans le spectre. Ensuite, un algorithme multicouche, comme une cascade de régulateurs de circulation, réduit pas à pas l'entropie — la mesure du désordre — et reconstitue les données. En combinant l'estimation des interférences et les données en une seule boucle, la méthode ne fait presque pas d'erreurs, tout en nécessitant moins de puissance de calcul. Cela promet un Internet fiable dans les trains, les drones et l'espace, tout en économisant la batterie. Curieusement, l'idée d'un tel emballage dense a été proposée dès les années 1970, mais elle était considérée comme irréalisable — jusqu'à l'avènement des algorithmes modernes.
tel que rédigé par les auteurs, en anglais arXiv:2607.12510
This paper proposes an affine frequency division multiplexing (AFDM)-aided faster-than-Nyquist (FTN) waveform, termed AFDM-FTN, to enhance spectral efficiency (SE) in high-mobility communication scenarios. We first derive the AFDM-FTN input-output relationship and analyze the FTN-induced interference pattern in AFDM-FTN. To address the channel estimation challenges, a low-complexity channel estimator based on the basis expansion model (BEM) is developed. By exploiting the intrinsic characteristics of the AFDM channel matrix and the FTN coefficient matrix, a multi-layer message passing (MLMP) algorithm is proposed that leverages the sparsity of the time-domain (TD) channel and the FTN coefficient matrix, where belief messages are iteratively propagated across the TD channel, FTN, and transform layers. Building upon the BEM-assisted channel estimation and MLMP, a low-complexity joint channel estimation and data detection scheme (BEM-MLMP-JCED) is further developed to iteratively refine channel estimation with the aid of transmitted data. Finally, the channel estimation lower bound, the mean square error (MSE) performance of the BEM-MLMP-JCED, and the computational complexity are analyzed. Simulation results demonstrate that the proposed AFDM-FTN system with BEM-MLMP-JCED achieves comparable BER to conventional AFDM while providing enhanced SE and reduced complexity compared to benchmark receivers.
La transmission plus rapide que Nyquist a été inventée dans les années 1970, mais elle a longtemps été jugée impraticable en raison de l'énorme complexité de la lutte contre les interférences. Sa renaissance a été rendue possible par les algorithmes modernes de traitement du signal.