本文分析了OFDM系统中常见的星座图畸变机理及其数学建模，重点讨论了载波频偏(CFO)、采样频偏(SFO)、粗定时偏移(CTO)、细定时偏移(STO)和IQ不平衡等非理想因素对星座图的影响。在理想AWGN信道下，星座图呈现圆对称高斯散布；CFO会破坏子载波正交性，导致公共相位误差和子载波间干扰；SFO引入随符号和子载波索引变化的相位误差；CTO造成线性相位斜坡；STO导致符号间干扰和相位旋转；IQ

本文探讨了利用凸优化方法（CVX）解决阵列信号处理中的波达方向（DOA）估计问题。传统方法（如MUSIC、ESPRIT）在低信噪比或相干信号下性能受限，而基于稀疏表示的凸优化方法能有效提升分辨率。文章首先建立均匀线阵的信号模型，并将DOA估计转化为稀疏恢复问题，通过L1范数最小化约束求解。CVX工具箱提供了便捷的实现途径，实验验证了该方法在高分辨率DOA估计中的有效性。

通信感知一体化是指在统一的无线基础设施中，通过共享频谱、波形、硬件和协议，实现无线通信与环境感知功能的协同工作。频谱与硬件复用：降低系统部署成本，提升频谱利用率。协同增益：通信链路和感知链路之间的数据与信息交互，可提升两者性能，例如利用感知信息进行链路预测与资源优化。系统一体化：统一的网络规划和协议设计，有利于大规模部署和管理。在6G愿景下，通信感知一体化被视为核心技术之一，与原生智能、空天地一体

本文系统阐述了AFDM波形的理论基础与实现方法。针对OFDM在高多普勒和大时延扩展场景的局限性，AFDM通过仿射变换实现时频域调制的创新设计。文章首先建立了AFDM的连续时间和离散化数学模型，分析了其与OFDM/OTFS的区别；然后深入研究了AFDM在时延-多普勒域的特性，揭示了其抗干扰机理；最后给出了发射接收机框架和MATLAB实现方法。研究结果表明，AFDM通过引入线性调频特性，在保持频域复用

计算成像是一种将物理建模、硬件调制与算法反演相结合的成像范式。它通过设计可编程光学或电磁波前端与后端计算算法，实现高分辨率、超分辨率或多维信息重建。分辨率的提升依赖于系统孔径、带宽与信噪比，并可借助稀疏先验与深度学习进一步突破物理极限。计算成像在显微、雷达、安检、通信感知一体化等领域广泛应用。光学与电磁波成像在模型相似但器件与波段差异显著，远场与近场各自面临相位稳定与互耦非线性挑战。

把物理结构“写进网里”，让数据把非线性“补齐到位”，AI 才能把通感融合带到工程可用的下一层台阶。

本文探讨了多模态数据融合如何借鉴人类五感协同机制。人类五感通过互补性（各感官分工）、冗余性（多源验证）和主动感知（动态调整）实现高效融合。多模态AI可参考三个融合层次：早期融合（原始数据对齐）、中期融合（特征交互，最接近人脑机制）和晚期融合（决策加权）。关键方法论包括：动态模态加权、跨模态对齐、模态缺失鲁棒性和主动感知选择。应用场景如自动驾驶、机器人抓取等展示了仿生融合的优势。未来挑战在于超越五感

本文探讨了信号处理中多维参数估计的核心问题——参数配对。在雷达、通信等领域，多维参数(如二维频率、DOA)常需同时估计。ESPRIT类算法因高分辨率而被广泛应用，但其独立的分维处理导致估计结果无法自动对应，产生参数失配问题。文章分析了几种主流配对方法：基于特征值分维的线性组合法、利用特征值和差关系的代数法、矩阵束公共特征向量法、联合对角化法以及PARAFAC张量分解法。这些方法通过不同数学途径解决

本文系统介绍了2D-MUSIC和2D-ESPRIT两种二维波达方向(DOA)估计算法。首先建立了均匀线阵和均匀面阵的信号模型，推导了二维导向矢量的表达式。2D-MUSIC算法通过计算噪声子空间与导向矢量的正交性构建二维空间谱函数，在角度空间进行谱峰搜索实现DOA估计，但计算复杂度高。2D-ESPRIT算法则利用阵列结构的旋转不变性，通过构造子阵和求解广义特征值问题直接获得闭式解，计算效率更高。文章

本文系统梳理了三种雷达体制的核心差异与应用优势：单基站雷达（收发共址，结构简单但抗干扰弱）、双基站雷达（收发分置，提升抗截获和反隐身能力）和多基站雷达（网络化架构，实现高精度探测和抗毁性）。通过对比分析收发配置、功能特点及典型应用，揭示了从单站向多站演进的技术趋势，包括无源融合、分布式相参探测和AI赋能。不同体制各具特点，需根据任务需求灵活选用或混合部署，理解其差异是雷达系统设计的基础。