（信号与信息处理专业论文）基于智能优化算法多用户检测技术的研究.pdf

太原理e 大学硕士研究生学位论文 基于智能优化算法多用户检测技术的研究 摘要 码分多址是第三代移动通信系统所采用的主流标准，但该技术中 各用户使用的扩频码集一般并非严格正交，产生了多址干扰及远近效 应等问题，严重影响了通信系统性能，限制了系统容量的增加。多用 户检测是为了解决这类问题而提出的一项关键技术。早期的最佳多用 户检测算法由于具有指数级的计算复杂度而在实际中难以实现，研究 和应用较多的是次优多用户检测算法。 智能优化算法通过模仿自然与生物机理处理模式，把自然界中生 物优化处理过程提炼为信息优化处理方法，具有全局优化性能、通用 性强、且适合于并行处理的优点。将智能优化算法与多用户检测相结 合，探索工程上更易实现的次优多用户检测器的设计方法，是近年来 通信领域的热点研究课题。 本文所作的主要工作： ( 1 ) 综述了多用户检测的发展历程和研究现状，阐述了智能优化 算法及其在多用户检测中的应用可行性。在分析多用户检测原理的基 础上，讨论了几种常用算法的性能、特点和不足，并进行了计算机仿 真。 太原理l ：人学硕七研究生学位论文 ( 2 ) 分析了遗传多用户检测算法的性能和参数选取的影响。针对 算法存在的不足，提出了基于s i g m o i d 函数改进交叉概率和变异概率 的自适应遗传多用户检测算法，并将这种自适应变化的交叉概率和变 异概率引入并行遗传算法，构造出自适应并行遗传多用户检测算法。 计算机仿真表明了两种算法抗多址干扰和抗远近效应能力均有较大的 提高。 ( 3 ) 在自适应遗传算法的基础上，分别引入模拟退火和变禁忌长 度禁忌搜索算法，构造出两种混合智能优化算法，并将其与多用户检 测算法相结合，得到两种新的基于混合智能优化技术的多用户检测算 法。计算机仿真表明两种新算法具有较高的收敛速度，且在计算复杂 度较低时性能接近最佳多用户检测。 关键词：码分多址，多用户检测，遗传算法，模拟退火，禁忌搜索 太原理i 。大学硕士研究生学位论文 t h er e s e a r c ho fm u i j i u s e rd e t e c t o n t e c h n o l o g yb a s e do ni n t e l l i g e n t 0 p t l m i z a t l 0 na l g o r i t h m s a b s t r a c t c o d ed i v i s i o nm u l t i p l ea c c e s st e c h n o l o g yi st h em a i n s t r e a ms t a n d a r d w h i c hi sa d o p t e db yt h et h i r dg e n e r a t i o nm o b i l ec o m m u n i c a t i o n ss y s t e m b e c a u s ev a r i o u su s e r su s es p r e a ds p e c t r u mc o d e sc o l l e c t i o nw h i c hi sn o t s t r i c to r t h o g o n a l ，i th a sb r o u g h tm a n yp r o b l e m ss u c ha sm u l t i p l ea c c e s s i n t e r f e r e n c ea n dn e a r - f a re f f e c t i nt h a tc a s e ，t h ec o m m u n i c a t i o n ss y s t e m p e r f o r m a n c ew o u l db es e r i o u s l ya f f e c t e da n dt h es y s t e mc a p a c i t yi n c r e a s e w o u l db el i m i t e d m u l t i u s e rd e t e c t i o ni st h ek e yt e c h n o l o g yp r o p o s e dt o s o l v e t h o s ep r o b l e m s o p t i m a lm u l t i u s e rd e t e c t i o n a l g o r i t h mp r o p o s e d p r e v i o u s l yi s d i f f i c u l tt of i c h i e v ei n p r a c t i c e d u et ot h e e x p o n e n t i a l c o m p u t a t i o nc o m p l e x i t y s ot h es u b o p t i m a lm u l t i u s e rd e t e c t i o na l g o r i t h m i sm o r eu s e di ns t u d i e sa n da p p l i e s t h ei n t e l l i g e n to p t i m i z a t i o na l g o r i t h mt h r o u 曲t h ei m i t a t i o no fn a t u r e a n dt h e b i o l o g i c a l m e c h a n i s m p r o c e s s i n gp a t t e r n r e f i n e s b i o l o g i c a l i i i 太原理i + 人学硕士研究生学f 7 ：论文 o p t i m i z a t i o np r o c e s s i n gp r o c e s sa si n f o r m a t i o no p t i m i z a t i o np r o c e s s i n g m e t h o d i th a st h eg l o b a lo p t i m i z a t i o np e r f o r m a n c e ，s t r o n gv e r s a t i l i t ya n d i ss u i t a b l ef o r p a r a l l e lp r o c e s s i n g t h i sp a p e ru n i f i e st h ei n t e l l i g e n t o p t i m i z a t i o na l g o r i t h ma n dm u l t i u s e rd e t e c t i o n ，e x p l o r e se a s i e rw a yt o a c h i e v et h es u b - o p t i m a lm u l t i u s e rd e t e c t o rd e s i g nm e t h o di np r o j e c t i th a s b e e nah o tr e s e a r c ht o p i co fc o m m u n i c a t i o nf i e l di nr e c e n ty e a r s t h em a j o rw o r ko f t h i sp a p e ri ss u m m a r i z e da sf o l l o w s ： ( 1 ) t h i sp a p e rs u m m a r i z e st h ed e v e l o p m e n tc o u r s ea n dt h ec u r r e n t r e s e a r c hs i t u a t i o no fm u l t i u s e r d e t e c t i o n ，e l a b o r a t e s t h e i n t e l l i g e n t o p t i m i z a t i o na l g o r i t h ma n di t sa p p l i c a t i o nf e a s i b i l i t yi nm u l t i u s e rd e t e c t i o n o nt h eb a s i so fa n a l y z i n gt h em u l t i u s e rd e t e c t i o n sp r i n c i p l e i tc o m p a r e s s e v e r a lk i n d so ft y p i c a lm u l t i u s e rd e t e c t i o n a l g o r i t h m sp e r f o r m a n c e ， c h a r a c t e r i s t i ca n dd e f i c i e n c ya n dd o e st h ec o m p u t e rs i m u l a t i o n ( 2 ) t h i sp a p e r a n a l y z e s t h e p e r f o r m a n c eo fg e n e t i c m u l t i u s e r d e t e c t i o na l g o r i t h ma n dt h ep a r a m e t e rs e l e c t i o ni n f l u e n c e i nv i e wo ft h e a l g o r i t h m sd e f i c i e n c y ，i tp r o p o s e sa na d a p t i v eg e n e t i ca l g o r i t h mb a s e do n t h e s i g m o i df u n c t i o n t oi m p r o v ec r o s s o v e rp r o b a b i l i t ya n dm u t a t i o n p r o b a b i l i t yf o rm u l t i u s e rd e t e c t i o n b e s i d e st h e s e ，i tb r i n g st h e s ea d a p t i v e c h a n g e so fc r o s s o v e rp r o b a b i l i t ya n dm u t m i o np r o b a b i l i t yi n t op a r a l l e l g e n e t i ca l g o r i t h ma n dt h e np r o d u c e sa na d a p t i v ep a r a l l e lg e n e t i cm u l t i u s e r i v 太原理r 大学硕+ 研究生学位论文 d e t e c t i o n a l g o r i t h m c o m p u t e rs i m u l a t i o n s h o w st h a tt h e c a p a c i t y o f r e s i s t i n gm u l t i p l ea c c e s si n t e r f e r e n c ea n dn e a r - f a re f f e c to ft w oa l g o r i t h m s h a v ei m p r o v e dq u i t eal o t ( 3 ) o nt h eb a s i so f a d a p t i v eg e n e t i ca l g o r i t h m i ti n t r o d u c e ss i m u l a t e d a n n e a l i n ga n dc h a n g e a b l et a b ul e n g t ho ft a b us e a r c ha l g o r i t h m ，c o n s t r u c t e s t w oh y b r i di n t e l l i g e n to p t i m i z a t i o na l g o r i t h ma n da p p l i e st h e mt om u l t i u s e r d e t e c t i o n s i m u l a t i o ns h o w e st h a tt w on e wa l g o r i t h m sh a v et h eh i g h e r c o n v e r g e n c er a t ea n dc a no b t a i nt h ec l o s ep e r f o r m a n c e t h ea l g o r i t h m s c o m p u t a t i o n a lc o m p l e x i t yi sb e l o wt h eo p t i m a lm u l t i u s e rd e t e c t o r sa sw e l l k e yw o r d s ：c o d ed i v i s i o nm u l t i p l ea c c e s s ，m u l t i u s e rd e t e c t i o n ，g e n e t i c a l g o r i t h m ，s i m u l a t e da n n e a l i n g ，t a b us e a r c h v 声明 本人郑重声明：所呈交的学位论文，是本人在指导教师的指导下， 独立进行研究所取得的成果。除文中已经注明引用的内容外，本论文 不包含其他个人或集体已经发表或撰写过的科研成果。对本文的研究 做出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的 法律责任由本人承担。 论文作者签名：垄氢霆碧日期：埘二罂驻一 关于学位论文使用权的说明 本人完全了解太原理工大学有关保管、使用学位论文的规定。其 中包括：学校有权保管、并向有关部门送交学位论文的原件与复印 件；学校可以采用影印、缩印或其它复制手段复制并保存学位论文； 学校可允许学位论文被查阅或借阅；学校可以学术交流为目的， 复制赠送和交换学位论文；学校可以公布学位论文的全部或部分内 容( 保密学位论文在解密后遵守此规定) 。 签名： 魏垂。塞 导师签名：缢兰丛日期：2 型! t 占 太原理工大学硕士研究生学位论文 1 1 多用户检测的研究意义 第一章绪论 随着世界科技的日益进步以及数字化信息技术的广泛应用，现代通信技术正 以前所未有的高速度发展。移动通信技术正是现代通信技术和计算机技术高速发 展和相互结合的产物，移动通信作为现代通信的重要组成部分，已经成为迅速、 及时、可靠、准确地获取各种多媒体信息的重要手段。 为了满足现代通信的发展需要，国际电信联盟( i n t e r n a t i o n a lt e l e c o m m u n i c a - t i o n su n i o n ，i t u ) 积极规划第三代移动通信系统的发展。这一系统的最终目标是 将世界上所有的蜂窝系统、无绳系统、无线本地环路、无线局域网终端、专用移 动广播和寻呼结合在一起，形成一个功能强大的网络，实现任何人在任何地点、 任何时间与任何人都能便利的通信。为用户提供高速数据传输、i n t e r n e t 访问、移 动视频业务和多媒体服务，同时支持全球漫游特性。目前，关于第三代移动通信 系统的无线接入技术已有较为统一的标准，即认为采用码分多址( c o d ed i v i s i o n m u l t i p l e a c c e s s ，c d m a ) 技术是第三代无线接入技术的主流。现在国际上主要的 成熟方案有日本和欧洲提出的w c d m a ，美国提出的c d m a 2 0 0 0 以及我国提出的 拥有自主知识产权的t d s c d m a 。 在第三代移动通信系统中，直接序列扩频码分多址( d i r e c ts p r e a dc o d e d i v i s i o nm u l t i p l e a c c e s s ，d s c d m a ) 被认为是一种最有应用前景的多址接入技术 i l l 。利用该技术，无线接口能获得巨大的容量增益以及系统的灵活性。如在w c d m a 网络中，空中接口利用5 m h z 的带宽以及3 8 4 m e h i p s 每秒的高速码片速率获得较 高的处理增益和接收机多径分辨率，使得有效利用r a k e 接收机成为可能，并且 可提供峰值速率为3 8 4 k b s 的无线接入i n t e m e t 以及数据速率达2 m b s 视频传输等 灵活的宽带业务。 太原理工大学硕士研究生学位论文 c d m a 技术的许多优点在已开通的商用c d m a 移动通信系统中基本上得到了 体现。但应该看到，目前的系统也存在一些不足。由于d s c d m a 系统中使用的 扩频码集一般并非严格正交，非零互相关系数会引起各用户问的相互干扰一通常 称为多址干扰( m u l t i p l ea c c e s si n t e r f e r e n c e ，m a i ) ，在异步传输信道以及多径传 播环境中m a i 将更为严重。m a i 的存在将会带来两个问题： 1 ) 限制系统容量。随着同时接入系统的用户数的增加，m a i 的功率也在增 加，致使误码性能下降。因此d s c d m a 的系统容量虽然大于t d m a ，但仍然受 限于m a i ，任何m a i 的减少都将直接转化为容量的进一步增加。 ( 2 ) 远近效应( n e a r - f a re f f e c t ，n f e ) 严重影响系统性能。由于移动用户所在 的位置处于动态的变化中，基站接收到的各用户信号功率可能相差很大，即使各 用户到基站的距离相等，深衰落的存在也会使到达基站的信号各不相同，强信号 对弱信号有着明显的抑制作用，使弱信号的接收性能很差甚至无法通信，这种现 象被称为远近效应。 因此，随着c d m a 商用化进程的加快，提高带宽效率、缓解多址干扰的影响 已经成为一个引人注目的课题，对于此问题的解决办法主要由以下几个方面【2 】= ( 1 ) 扩频码设计：设计具有良好的自相关和互相关特性的扩频码是抑制m a i 的重要手段。 ( 2 ) 功率控制：良好的功率控制技术可以确保到达基站的各用户信号功率基 本相同，避免可能出现的远近效应。 ( 3 ) 前向差错控制：强大的前向差错控制可以降低一定的误码性能所需的信 噪比( s i g n a lt on o i s er a t i o ，s n r ) ，提高系统对m a i 的容忍度。 ( 4 ) 扇形天线：其原理是通过某一方向的扇形天线可以抑制其他方向信号的 干扰，从而降低总的m a i 。 目前商用的c d m a 通信系统中主要采用功率控制技术来处理m a i 问题，使 彼此间影响减小来提高系统容量。但功率控制的方法并没有从接收信号中真正去 除m 硝，只能暂时缓解这种矛盾，不能从根本上解决问题；另一方面，由于信号 在移动通信信道中呈现瑞利衰落，功率控制技术无法补偿由快衰落引起的信号功 2 太原理工大学硕士研究生学位论文 率变化，特别是当移动台速度很快时，功率控制技术会失效。 近年来又提出了多用户检测( m u l t i u s e rd e t e c t i o n ，m u d ) 技术，它是第三代 移动通信系统中宽带c d m a 通信系统抗干扰的关键技术。传统的检测技术完全按 照经典直接序列扩频理论对每个用户的信号进行扩频码匹配处理，因而抗m a i 能 力较差；而多用户检测技术在传统检测技术的基础上，充分利用造成m a i 的所有 用户信号信息对多个用户做联合检测或从接收信号中减掉相互间干扰的方法，有 效地消除m a i 影响，从而具有优良的抗干扰性能。在理想情况下，应用多用户检 测技术，系统的性能将接近单用户时的性能。这显然消除了远近效应的影响，可 以简化用户的功率控制，降低系统对功率控制精度的要求。并且由于m a i 的消除， 用户在较小的信噪比时就可达到可靠的性能，单用户信噪比的降低可以直接转化 为系统容量的增加，因此可以更加有效地利用链路频谱资源，显著提高系统容量。 1 2 多用户检测的研究概况 多用户检测，又称为联合检测或干扰抑制方法，是1 9 7 9 年由k s c h n e i d e r t 3 j 首 次提出，但没有引起人们关注。直到1 9 8 6 年s v e r d u n 利用对数函数的可分解性， 证明了k s c h n e i d e r 的猜想：d s c d m a 系统中的最佳多用户检测( o p t i m a lm u l t i u s e r d e t e c t i o n ，o m d ) 可由匹配滤波器组后接v i t e r b i 译码器构成。该检测器的提出显 示了c d m a 系统巨大的容量潜力和性能改善潜力，使抑制多址干扰的问题引起了 人们的注意。然而，该结构的复杂度随系统中的用户数呈指数关系增长。当用户 数较大时，运算量非常巨大，工程上不易实现。这就促使人们去寻找复杂度低， 性能比传统检测优越的各种次优多用户检测。次优多用户检测一般分为线性检测 和非线性检测。线性检测包括盲检测与非盲检测。盲检测主要分为基于m o e 准则 的多用户检测，基于c m a 准则的多用户检测，基于子空间分解的多用户检测等； 此外还有将约束条件最优化、高阶统计量、k a l m a n 滤波等算法应用于多用户检测。 非盲检测的主要代表是解相关检测、m m s e 多用户检测；非线性检测包括干扰抵 消检测、基于神经网络的检测以及基于进化算法的多用户检测。 3 太原理工大学硕士研究生学位论文 1 线性非盲多用户检测 1 9 8 9 年，r l u p u s 和s v e r d u l 5 】提出解相关算法，其原理是通过对匹配滤波器 的输出乘以一个相关矩阵的逆矩阵来消除相关性。解相关检测器能够在缺乏幅度 信息时取得对所传信息序列的最优估计。其优点是不需要各个用户信号功率的估 计，算法性能与干扰功率无关，在大多数情况下比传统检测器性能得到提高，不 用估计接收信号的幅度，与最大似然序列检测器相比复杂度大大降低。缺点是涉 及矩阵求逆，运算量较大，解相关操作使背景噪声增强。 1 9 9 4 年，u m a d h o w 等1 6 i 提出了最小均方误差( m i n i m u m m e a n s q u a r e e r r o r ， m m s e ) 多用户检测器。这种检测器在消除m a i 与噪声放大之间取了一个较好的 折衷。其基本思想是通过选择一个矩阵m ( m 是实数矩阵) 使e | i i b m r l l 2i 达到 lj 最小，其中b 为发送信号向量的估计，r 为接收信号向量。在背景噪声起主导作用 时，m m s e 检测器类似于传统检测器；当m a i 较大时，相当于解相关检测器，所 以既能克服m a i ，又能抑制高斯噪声。而且与其它多用户检测相比，m m s e 检测 不再需要估计干扰用户的信号参量，可以由自适应算法自动调整滤波器系数，使 之收敛到最优值。文献【7 】提出了一种基于线性变换和预测的m m s e 盲多用户检测 方法，可同时消除m a i 和i s i 。它仅利用了某特定用户的扩频序列，先进行线性变 换和线性预测，再进行m m s e 检测。由于不进行直接信道估计，避免了信道估计 误差，使算法的准确性得到了提高。 2 线性盲多用户检测 线性盲多用户检测是在m m s e 和解相关检测技术的基础上发展起来的，由于 复杂性的限制，之前多用户检测的应用研究只考虑基站( 上行链路接收) ，对于移 动台( 下行链路接收) 则不考虑。因为移动台的成本和体积不适合，而且之前的 多用户检测需要知道所有用户的扩频码等信息，这在移动台上也不易获得。因而 不需知道所有干扰用户特征序列的盲检测得以迅速发展。 1 9 9 5 年m h o n i g ，s 。v e r d u 掣8 】首次提出了m o e 盲多用户检测算法，其主要 思想是以多用户检测器的输出能量为代价函数，在满足一个或多个约束条件下求 使得这个代价函数最小时所对应的最优权矢量，引入剩余能量来抵消m a i 对检测 4 太原理工大学硕士研究生学位论文 器输出的影响，然后采用某种自适应算法逼近最优权矢量，无需任何附加条件， 计算量小，具有全局收敛性。但该算法存在收敛速度慢，剩余均方误差大，无法 收敛到最佳m m s e 检测器；当接收码与理想地址码不一致时，算法将驱动输出能 量到零，从而抵消了用户信号。为此，文献【9 】结合m o e 算法与判决引导算法的优 点，提出一种判决反馈变步长m o e 检测( d e c i d e df e e d b a c km o e ，d f m o e ) 算 法。该方法能有效克服m a i ，并避免了文献【8 】中的问题。文献【l o 】结合m o e 算法 与s a t o 【l l 】算法的优点，提出了一种新的代价函数，实质上等价于d f - m o e 算法。 该算法在启动阶段，等价于m o e 检测器；在收敛稳态阶段，等价于m m s e 检测 器，具有良好的收敛速度和高稳态输出信干比的综合性能。 1 9 9 8 年，x i a o d o n g w a n g 和h v i n c e n t p o o r l l 2 】提出了子空间盲多用户检测算法， 将盲自适应信道估计、盲自适应阵列响应估计与盲多用户检测技术结合在一起， 利用基于予空间的p a s t d 算法进行子空间跟踪，对接收的信号进行多用户检测。 如果任意给出初始值，则p a s t d 算法收敛速度非常慢，这是由于对子空间的近似 估计造成了误差累积，使得系统性能恶化，并且存在收敛不稳定问题。为了解决 这个问题，文献 1 3 】使用b i s v d 和p r o t e u s 快速子空间跟踪算法提出了两种基 于子空间自适应特征值分解的自适应多用户检测算法，并对两种算法的性能进行 了仿真分析和比较。仿真结果表明与p a s t d 算法相比，这两种算法的收敛速度快， 而且比较稳定，计算复杂度较低。文献【1 4 】将n e w o p a s t 算法引入空时多用户检测 中，使系统容量大大增加，系统仍保持较高的信噪比和较低的误码率。同时，具 有稳定的全局收敛性。 多用户检测技术利用d s - c d m a 用户信号扩频波形的基本结构来抑制干扰； 而空时处理技术能够利用无线信道的空时耦合的结构特性，为干扰抑制和分集接 收提供了新的维度。把多用户检测和空时处理两种技术结合起来，即为空时多用 户检测，这不仅可以增加系统的容量，还可以提高系统的可行性，降低系统的成 本，大大改善了d s c d m a 系统的性能。把空时多用户检测用于无线通信网络已 成为近年来的研究热点。文献 1 5 】在多径时延已知的条件下，研究了最小方差空时 多用户检测对于m a i 和符号间串扰的联合抑制，然而该系统对时延估计的误差比 5 太原理工大学硕士研究生学位论文 较敏感。针对此问题，文献【1 6 】在空时信道完全未知的情况下，实现了最小方差空 时多用户检测，能够联合进行空时信道估计和干扰抑制，从而使系统在多径条件 下表现出更好的鲁棒性。 3 非线性多用户检测 干扰抵消技术主要是指并行干扰抵消( p a r a l l e li n t e r f e r e n c ec a n c e l l a t i o n ，p i c ) 和串行干扰抵消( s u c c e s s i v ei n t e r f e r e n c ec a n c e l l a t i o n ，s i c ) 算法以及判决反馈干 扰抵消算澍m 。p i c 算法假设其它用户的信号是己知的，在每一级中所有用户同时 从输入信号中减去干扰信号后，对需要检测的信号进行最大似然检测。s i c 先对所 有用户按接收功率由大到小进行排序，然后对各用户逐一进行判决、m a i 的重构 和抵消。s i c 在性能上比传统检测器有较大提高，而且硬件结构简单，易于实现。 判决反馈干扰抵消算法，将用户按照信号功率递减排列，通过对扩频相关矩 阵进行c h o l e s k y 分解和线性变换，使每个待判决的信号中仅包含己判决信号对它 的干扰，再采用s i c 方案，就可以去除这些干扰，若假设已判决信号是正确的， 则最弱用户可达到单用户信道中的性能。 4 智能优化算法多用户检测 智能优化算法通过模仿自然与生物机理为处理模式，以获得智能信息处理的 功能，此类算法多用于处理那些使用经典最优化方法( 如数学规划) 难以在较合 理的有限时间内解决的问趔1 8 1 。其思想和内容涉及数学、物理学、生物进化、人 工智能、神经科学和统计力学等方面，为解决复杂问题提供了新的思路和手段。 一般采用各种启发式方法，以在有限的时间内找到质量更好的解，这些算法独特 的优点和机制，引起了国内外学者的广泛重视并掀起了该领域的研究热潮，且在 诸多领域得到了成功应用。将神经网络( n e u r a ln e t w o r k ，n n ) 、遗传算法( g e n e t i c a l g o r i t h m ，g a ) 、模拟退火( s i m u l a t e d a n n e a l i n g ，s a ) 、禁忌搜索( t a b us e a r c h ， t s ) 及其混合优化策略等算法从组合优化角度出发与多用户检测技术结合起来， 是近年来研究移动通信关键技术的一大热点。 ( 1 ) 神经网络多用户检测 由于神经网络在并行计算方面的优势，很多人也开始研究将神经网络用于多 6 太原理工大学硕士研究生学位论文 用户捡测。b a a z h a n g i l g l 于1 9 9 2 年首先提出了用多层感知器实现多用户检测，但 由于b p 网络需要进行权值训练，不太符合移动通信的实际情况，并且b p 网络的 复杂度也较高。g i k e e h r i o t i s 等 2 0 l 在1 9 9 6 年提出了一种基于h o p f i e l d 神经网络 ( i - i n n ) 算法的多用户检测器。利用h o p t i e l d 神经网络的并行处理能力完成多用户 检测器的快速实现。文献 2 1 1 提出了将离散h o p f i e l d 网络用于克服c d m a 远近效 应，但没有提出如何解决网络收敛到局部最小点的问题，而且当用户数较多时， 网络的复杂度也较高，该检测器的误码性能明显下降，难以逼近最佳多用户检测 器的性能。文献 2 2 1 提出用平均场退火( m f a ) 算法能有效避免神经网络收敛到能 量函数的局部最小点，搜索速度快，检测性能优于h n n 算法，具有搜索全局最优 解或近似全局最优解的能力，较好地解决全局最优与收敛速度不能兼顾的矛盾。 文献 2 3 1 简要介绍广义回归神经网络( g r n n ) 算法在多用户检测中的应用。g r n n 是一种常用于函数逼近中的径向基网络，与传统的b p 算法相比，具有收敛速度快、 鲁棒性强等优点，但是算法需要一个良好的初始解才能达到期望的效果。 ( 2 ) 遗传算法多用户检测 遗传算法是一种全局最优化方法。在优化过程中，无需系统的先验知识，能 在许多局部较优中找到全局最优点，能有效地处理复杂的非线性问题。文献 2 4 1 首次提出了将遗传算法应用于多用户检测的思想，并指出了在高信噪比和给定初 始解较差的条件下，误码率将趋于平稳，不再下降；但在给定良好初始值( 如将 解相关出来的值作为初始值) 的条件下，误码性能将大大提高。同时，文中还指 出将遗传算法与一些次优多用户检测器结合在一起可以进一步提高检测性能。 文献 2 5 1 从组合优化的角度提出基于遗传算法的多用户检测，其计算量小于以 前提出的次优多用户检测。但遗传算法由于被搜索的空问较大，利用多级检测得 到的估计值做初值，收敛速度较慢，计算也较为复杂。文献 2 6 - - 2 8 , j 分别讨论了 遗传算法应用于异步d s c d m a 以及同步衰落信道中的多用户检测。仿真表明该 算法可以改善边比特的可靠性，并且与o m d 相比计算复杂度低，接近最佳误码率。 文献 2 9 1 提出了一种在d s - c d m a 系统中基于冗余补偿遗传算法的多用户检 测。仿真结果表明在普通a w g n 信道中，该算法以很微小的性能降低为代价，有 7 太原理工大学硕士研究生学位论文 效地去除了无用信号的叠加，开拓了遗传算法多用户检测应用的真正潜在优势。 通过减少冗余，可以大大降低计算复杂度。文献【3 0 】提出了在c d m a 系统中用遗 传算法修正多用户检测的方法，把基于予空间的m m s e 检测器作为基本检测器， 利用遗传算法对其进行修正，从而降低系统的m a i 和i s i 。文献 3 1 1 提出了在异步 多载波c d m a 中基于改进遗传算法的多用户检测。仿真表明利用该方法与o m d 相比，可以在不会降低期望性能的前提下，有效降低计算的复杂度。 文献 3 2 1 研究了用混合遗传算法进行多用户检测的理论依据和实际性能，仿真 结果表明无论是抗m a i 还是抑制n f e ，基于混合遗传算法的检测器都明显优于传统 检测器，且其性能非常接近最佳检测器。文献【3 3 】提出了基于遗传退火算法的解相 关多用户检测器。将多用户检测中求解最佳矢量问题转化为在遗传算法中求解最 高适应度函数的问题。文章提出了一种基于遗传退火算法的解相关多用户检测， 该算法将模拟退火引进遗传算法中，通过退火来减轻遗传算法的选择压力，利用 退火法的爬山性能，改善了遗传算法的性能。仿真表明，该多用户检测器在抗m a i 以及抗n f e 的能力方面均优于解相关检测器。 文献【3 4 】提出了基于遗传算法和神经网络的多用户检测。遗传算法首先为神经 网络提供较好的初始值，然后神经网络实时快速地获得最优解。仿真表明该检测 器在抗m a i 和抗n f e 方面均具有良好的性能。 ( 3 ) 禁忌搜索多用户检测 禁忌搜索是对局部搜索的一种扩展，是一种全局逐步寻优算法，是对人类智 力过程的一种模拟。文献【3 5 】基于禁忌搜索的原理，提出了两种实现c d m a 多用 户检测算法。一种是通过合理地选择初始解、当前解的邻域以及禁忌搜索表，构 造禁忌搜索检测方法；另外一种是采用禁忌学习神经网络( t a b ul e a r n n n ，1 1 n n ) ， 通过神经网络状态方程的迭代完成最佳检测目标函数的全局寻优，通过分析以及 对同步和异步情况的仿真表明，这两种方法均具有多项式的计算复杂度，而t l n n 比t s 复杂度更低，优于传统的多级h o p f i e l d 神经网络等，并且对n f e 不敏感。 8 太原理工大学硕士研究生学位论文 1 3 智能优化算法及其在多用户检测中的应用可行性 由于科学技术相互交叉渗透，许多研究课题不再靠一个领域的理论和方法去 解决，需要综合各方面的知识加以研究，这在信息科学领域尤为突出。由于人们 面对的研究问题越来越复杂，传统方法解决问题的能力受到限制，促使人们不断 寻求新的方法和手段。 优化技术是智能优化算法的主要特征之一，是一种以数学为基础，用于求解 各种工程问题优化解的应用技术。作为一个重要的科学分支一直受到人们的广泛 重视，并在诸多工程领域得到迅速推广和应用。遗传算法、模拟退火、禁忌搜索 以及神经网络统称为四大现代启发式优化算法。上述方法以及由这些方法混合而 成的优化算法同属于智能优化算法的研究范畴f 1 8 1 。 遗传算法是j h h o l l a n d p 6 i 于1 9 7 5 年受生物进化论的启发而提出的。g a 是基 于“适者生存”自然法则的一种高度并行、随机和自适应的优化算法，它将问题 的求解表示成“染色体”所构成的个体的适者生存过程，通过“染色体”种群的 一代代选择、交叉和变异等进化操作，最终收敛到“最适应环境”的个体，从而 求得问题的最优解或满意解。g a 是一种通用的优化算法，其编码技术和遗传操作 比较简单，优化不受限制性条件的约束，而其两个最显著特点则是隐含并行性和 全局解空间搜索。目前随着计算机技术的发展，g a 越来越得到人们的重视，并在 机器学习、模式识别、图象处理、神经网络、优化控制、组合优化、v l s i 设计、 遗传学等领域得到了成功应用。 模拟退火的思想最早是由n m e t r o p o l i s 等人于1 9 5 3 年提出的，1 9 8 3 年 s k i r k p a t r i e 等 3 7 1 将其用于组合优化。s a 算法是基于蒙特卡洛迭代求解策略的一种 随机寻优算法，其出发点是基于物理学中固体物质的退火过程与一般组合优化问 题之间的相似性。s a 算法在某一初温下，伴随温度参数的不断下降，结合概率突 跳特性在解空问中随机寻找目标函数的全局最优解，即在局部最优解时能以概率 性地跳出并最终趋于全局最优。s a 也是一种通用的优化算法，目前已在工程中得 到了广泛应用。 9 太原理工大学硕士研究生学位论文 禁忌搜索的思想最早由f g l o v e r t 3 s l 于1 9 8 6 年提出。t s 算法通过引入一个灵活 的存储结构和相应的禁忌准则来避免迂回搜索，并通过特赦规则来赦免一些被禁 忌的优良状态，进而保证多样化的有效探索以最终实现全局优化。相对于模拟退 火和遗传算法，t s 又是一种搜索特点不同的智能优化算法。 神经网络是近年来得到迅速发展的一个前沿课题。神经网络由于其大规模并 行处理、容错性、自组织和自适应能力、联想功能强等特点，已成为解决很多问 题的有力工具，对突破现有科学技术的瓶颈，更深入探索非线性等复杂现象起到 了重大作用，己广泛应用在许多工程领域。 混合优化算法是综合上述某两种方法或多种方法而成的一种优化算法。对某 一些大规模问题，用上述单一优化算法己不能得到优化解或满意解，必须采用综 合上述某两种方法或多种方法的混合算法。 构造一种混合优化算法主要从以下几个方面考虑墙1 ： ( 1 ) 优化机制的融合。 ( 2 ) 优化结构的互补。 ( 3 ) 优化操作的结合。 ( 4 ) 优化行为的互补。 ( 5 ) 削弱参数选择的苛刻性。 混合优化算法以某一种算法作为主算法的框架，另一种算法作为算法的评价 工具，或作为算法的运算操作，使算法具有较高的收敛性能、计算性能和初值鲁 棒性。遗传算法、模拟退火、禁忌搜索、神经网络和混合优化算法等均已有效地 解决了一些属于n p 完备问题的组合优化问题。 s v e r d u 己揭示了最佳多用户检测问题是一个n p 完备问题，能转变为一个组 合优化问题，这就找到了遗传等智能优化算法与多用户检测的结合点。多用户检 测技术已被公认为c d m a 移动通信系统的关键技术之一，研究和开发计算复杂度 低、收敛速度快和鲁棒性好的基于遗传等智能优化算法的多用户检测技术，对降 低c d m a 移动通信系统的建设成本以及推进后第三代移动通信系统的发展均具有 积极的意义。 l o 太原理工大学硕士研究生学位论文 1 4 本文的结构安排 本文的结构安排如下： 第一章：主要阐述多用户检测的研究意义、发展概况，智能优化算法及其在 多用户检测中的应用可行性。 第二章：首先推导了c d m a 通信系统同步和异步等效系统模型，阐述了多用 户检测的性能测度，包括检测误码率和抗远近效应能力的理论表达式：分析了常 用的传统检测、最佳多用户检测、解相关检测以及多级检测算法及其优缺点；最 后通过计算机仿真进行了性能比较。 第三章：阐述了遗传算法的基本理论和方法，分析了现有遗传多用户检测算 法及其性能，讨论了其参数选取对检测性能的影响。针对上述算法的不足，分别 提出了改进的自适应遗传多用户检测算法以及自适应并行遗传多用户检测算法。 计算机仿真表明，两种新算法有较高抗多址干扰和抗远近效应能力，优于遗传多 用户检测和传统检测。 第四章：提出并讨论了两种基于混合优化算法的多用户检测方法。一种是基 于遗传算法和模拟退火算法的多用户检测，另一种是基于遗传算法和禁忌搜索算 法的多用户检测。在引入第三章提出的自适应遗传交叉、变异操作的基础上，分 析了其混合优化策略和机理，并详细阐述了混合算法的操作和参数设计。最后通 过计算机仿真对这两种混合算法进行了性能方面的比较和分析，结果表明算法计 算复杂度较低而性能接近最佳多用户检测。 第五章：对全文进行了总结，并提出了今后进一步研究的方向。 太原理工大学硕士研究生学位论文 第二章多用户检测的基本理论 2 1 多用户检测的系统模型 由于多址干扰的存在，传统的匹配滤波接收机或相关接收机存在两个主要问 题，即干扰低限和远近效应问题【3 吼4 0 l 。多用户检测是一种从接收端设计入手的干 扰抑制方法，它要解决的基本问题是如何从相互干扰的数字码串中可靠地解调出 某个特定用户的信号。本节将在同步和异步情况下分别推导c d m a 多用户检测的 离散时间信号模型。 对于d s c d m a ，每个用户都对应一个不同的特征波形，接收信号是由不同特 征波形对用户传递信号扩频后在接收端进行迭加，再加上信道噪声构成，如图2 1 所示。这就是基本的d s c d m a 系统基带接收信号模型，其数学模型可以表示成 图2 - ld s - c d m a 系统接收信号数学模型 f i g2 - 1t h em a t h e m a t i cm o d e lo f d s - c d m as y s t e m sr e c e