dscdma系统中基于降秩子空间的盲多用户检测的研究

《dscdma系统中基于降秩子空间的盲多用户检测的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、DS—CDMA系统中茄子降秩子字闻的茸多用户检测的研究第1章绪论1．2国内外的研究现状多用户检测理论研究源于八十年代初。早在1979年，K．S．Schneider就提出了将多个用户的码元和定时信息联合起来，用于检测每个用户数据的多用户检测思想嘲，并研究了迫零算法。随后，R．Koimo又提出了多址干扰消除接收机嗍。多用户检测真正引起广大研究者的关注则得益于S．Verdu的工作，1986年S．Verdu提出了多用户检测的思想。认为MAI是具有一定结构的有效信息，从理论上证明了采用最大似然序列检澳g(MLSD，MaximumLikelihoodSequenceDetecto

2、r)可以逼近单用户接收性能，并有效地克服了远近效应，大大提高了系统容量，国内外从而开始了对多用户检测的广泛研究。往往称采用最大似然序列检测的多用户检测器为最优多用户检测器。但是MLSD结构是匹配滤波器组加上Viterbi译码，复杂度为伙2‘)，其中足为用户数。由予指数级的复杂度阻碍了最优多用户检测器在工程上的实现，因此人们歼始研究各种次优多用户检测器，目的是在保证一定性能的条件下能够将复杂度降低到工程上可以接受的程度。目

3、j{『，各国的研究人员己广泛地展开了对多用户检测技术的研究，并已取得了许多可喜的成绩。已提出的次优多用户检删技术可以按照不同的方法进行分类。一种方陵

4、足将检测算法分为集中式多用户检测算法和分散式多用户检测算法。集中式算幺进j，真下的多用户联合检测，即它们对每个用户的数掘符号进行联合检测，在基站接收机中使用它们是切合实际的。分散式算法是根据在多用户环境中观测到的接收信号，包括MAI，来检测期望用户的数据符号，主要应用在终端接收机中。除了基于技术实现，按集中式和分散式分类外，还可以按所使用的检测算法进行分类，主要有线性检测和非线性检测两大类。其中，线性检测主要包括最小均方误差(MMSE。MinimumMeanSquareError)检测和解相关(DECMUD，DecorrelatingDetecctor)检测；非线性检

5、测有多级型、判决反馈型、基于神经网络的检测、基于支持向量机的检测以及基于进化算法的检测。线性多用户检测器有完整的定量的数学描述与分析方法，并具有较大的理论研究价值。但从工程上看。往往线性的不如非线性的。然而非线性的由于没有系统的数学描述和分析工具，导致理论上研究较困难，但是仍可以利用一些工程数学方法，进行粗略描述与分析，并重点引入计算机仿真进行较深入地分析与研究以弥补定量数学分DS-CDMA系统中草子降秩了卒间的育多用户拇蒯的研究第1章绪论析的不足。线性多用户检测的结构是在匹配滤波器后加一个线性变换矩阵，变换矩阵的选择是此类检测器的关键fⅫ。线性多用户检测主要有解相关

6、和线性MMSE检测器。MAI是由于不同用户的扩频波形不正交(即存在线性相关)引起的。因此，为了抑制MAI，将所有用户扩频波形之间的线性相关解除掉，使不同用户的扩频波形实现正交。这就是解相关检测器的基本思想。解相关检测器在大多数情况下比传统检测器具有性能、容量上的提高，而且不需要估计接收信号的幅度，与最大似然序列检测器相比计算复杂度大大降低。但是解相关操作增强了背景噪声，而且互相关矩阵的逆的计算量仍然很大。线性MMSE检测器考虑了背景噪声，并利用了接收信号的功率值。其基本思想是使实际数据和检测器的软输出之间的均方差最小，最后求出满足要求的解。MMSE检测器在消除MAI和

7、不增强背景噪声之问进行了折衷．其缺点是必须对信号的幅度进行估计，另外它的性能依赖于干扰用户的功率，这样在抗远近效应方面就不如解相关检测器。非线性多用户检测方法主要有多级型、判决反馈型、神经网络及支持向量机等几种方法[II-15J。多级型多用户检测算法，根掘每一级各用户的检测形式不同，又可划分成很多形式。若每一级各用户并行地采用匹配癔破器或相关器检测，这就是传统的并行干扰消I缘(PIC，ParallelInterferenceCancellation)I“l。若每一级的每个用户，根掘信号强度的大小，采用串行的匹配滤波或相关检测的方法，这就是所谓的串行干扰消除(sIC，S

8、uccessiveInterferenceCancettation)[12l。当然，每一级各用户还可以采用解相关检测、MMSE检测等算法，这时的性能会更好一些，但算法实现复杂度也更高一些。多级型多用户检测算法的每级一般算法结构相似，因而多级型的每一级的最后(除最后一级)，还有一个各用户信号的再生、还原过程，这也是多级型方法的特点之一。多用户检测从本质上看，是一个组合优化问豚。因而，所有解决组合优化的算法原则上均可适用于多用户检测。其中基于神经网络的解组合优化问题当然也适合多用户检测，目前已经有许多神经网络方法应用于多用户检测问题。B．Aazhang等