基于迁移策略的分布式遗传算法多用户检测器

针对简单遗传算法多用户检测器的收敛速度慢和“早熟”问题,利用解相关算法的抗多址干扰能力和分布式遗传算法的快速全局寻优优势,提出了一种基于迁移策略的分布式遗传算法解相关多用户检测器。计算机仿真结果表明:该多用户检测器的检测性能明显优于简单遗传算法多用户检测器和解相关多用户检测器,更易于实现。     

一种基于改进自适应遗传算法的多用户检测器

针对自适应遗传算法在多用户检测应用中容易早熟收敛和速度慢的问题,将非线性Sigmoid函数应用于自适应遗传算法并结合解相关算法的抗多址干扰能力,提出了一种基于改进自适应遗传算法和解相关算法的多用户检测器。实验仿真结果表明：该多用户检测器的检测性能,不论在抗多址干扰和远近效应方面还是在系统用户容量方面,都明显优于自适应遗传算法多用户检测器和简单遗传算法多用户检测器。     

基于改进粒子群优化算法的多用户检测器

提出了一种基于改进粒子群优化算法的多用户检测器。介绍了最佳多用户检测模型以及粒子群优化算法的基本思想。进行了理论依据和仿真性能分析。仿真结果表明:该检测器在误码率性能和抗“远近”效应上优于传统检测器和基于粒子群优化得多用户检测器,计算复杂度较低。     

消除噪声的ICA盲多用户检测

针对已有的基于独立分量分析（Independent Component Analysis,ICA）的盲多用户检测中为了便于分析经常将噪声信号忽略,从而造成系统检测性能下降的问题。提出了基于ICA的盲多用户检测的改进算法,该算法不仅能抑制远近效应和多址干扰,而且利用信号子空间和有效无偏估计原理可最大限度地消除被忽略的噪声,提高了系统的容量。通过Matlab实验仿真,验证了该算法的有效性和实用性。     

一种噪声抑制的线性共轭多用户检测算法

当权向量受到噪声的影响时,最小输出能量（MOE）检测器的性能将显著下降．针对这一问题,设计了一种噪声抑制的线性共轭MOE检测器．将约束最小均方（LMS）算法应用到新的MOE检测器,提出一种基于约束LMS的盲噪声抑制线性共轭MOE多用户检测算法．该算法消除了权向量中的噪声分量,利用了接收向量的复数共轭,从而提高了系统的输出信干噪比和误码率性能．仿真结果表明所提算法有较好的性能．     

基于改进粒子群优化算法的多用户检测器

提出了一种基于改进粒子群优化算法的多用户检测器。介绍了最佳多用户检测模型以及粒子群优化算法的基本思想。进行了理论依据和仿真性能分析。仿真结果表明：该检测器在误码率性能和抗“远近”效应上优于传统检测器和基于粒子群优化得多用户检测器，计算复杂度较低。     

模拟退火遗传算法在多用户检测技术中的应用

将遗传算法GA(Genetic Algorithm)与模拟退火算法SA(Simulated Annealing)相结合,提出模拟退火遗传算法(SAGA),并将其应用于MC-CDMA无线通信系统的多用户检测技术中,以求降低多用户检测算法在实际应用中的复杂度并同时提高多用户检测器的性能。分析了遗传算法和模拟退火算法的性能,从理论上阐述了模拟退火遗传算法应用于多用户检测技术中的方法和可行性。理论分析表明,基于模拟退火遗传算法的多用户检测器的算法复杂度比传统多用户检测器低;数值仿真结果也表明前者在抗干扰能力上优于后者。     

基于分布估计蜂群算法的多用户检测器

为了提高二进制人工蜂群算法的全局探索能力,提出一种基于分布估计算法的二进制人工蜂群算法,并应用到最优多用户检测技术中,设计出基于分布估计二进制人工蜂群算法的多用户检测方案。该方案采用直接针对离散域的多维邻域搜索策略,加快了收敛速度,避免了连续域到离散域的转换,同时利用分布估计算法获得的全局统计信息产生候选解,提高了算法性能。仿真结果表明,与传统检测器相比,所设计检测器的收敛速度明显加快,误码率性能和抗远近效应能力显著提高。     

MOE盲多用户检测算法中约束向量的研究

最小输出能量（Minimum Output Energy,MOE）盲多用户检测是一种简单的不用进行信道估计就可直接获得多用户检测器参数的算法,在该算法中,约束向量起着相当重要的作用,它直接影响多用户检测器的最优权矢量。通过对不同约束向量时MOE盲多用户检测算法基本原理的分析,将MOE盲多用户检测算法分为线性约束MOE盲多用户检测算法和鲁棒二次约束MOE盲多用户检测算法两大类。通过仿真实验比较了各种检测器的性能。     

基于信号子空间的MMSE盲多用户检测*

修正的最小均方误差(MMSE)多用户检测器解决了传统MMSE因引入特征值估计误差而导致检测性能下降的问题。基于修正MMSE多用户检测器,采用正交性能良好的改进PASTd算法跟踪子空间,提出一种基于改进PASTd的修正MMSE多用户检测算法,改进后的MMSE盲多用户检测误码率低,收敛速度快。仿真结果验证了该算法的有效性和可行性。