基于Hopfield神经网络的DS—CDMA多用户检测

从新的角度研究ＤＳ－ＣＤＭＡ（直接序列码分多址）系统中的多用户检测，将多用户检测的优化问题映射为Ｈｏｐｆｉｅｌｄ神经网络（ＨＮＮ）“能量”函数的最小化问题，利用连续ＨＮＮ固有的快速下降特性，实现了坟对ＣＤＭＡ（码分多址）系统的多用户检测。与现有各种方案比较，具有运算量小、抗远近效应强、实时性好等优点。     

多用户检测的稳健反馈神经网络方法

本文提出了一种实现CDMA多用户检测的稳健反馈神经网络方法,通过理论证明和实验仿真,表明该方法能有效克服多址干扰和远近效应,并具有易于在线处理和VLSI实现的特点.     

基于Hopfield神经网络的多用户信号检测器

用连续Ｈｏｐｆｉｅｌｄ神经网络实现ＣＤＭＡ通信系统中多用户信号检测的设想，并针对同步ＣＤＭＡ系统构造了基于连续Ｈｏｐｆｉｅｌｄ神经网络的用户信号检测器。计算机仿真结果表明：这种检测器的性能远远优于传统检测器的性能，它的性能可与最佳多用户信号检测相比拟。     

基于径向基函数神经网络的CDMA多用户检测方法

径向基函数神经网络是一种三层前馈性神经网络,它具有较强函数逼近能力和分类能力,学习速度快等优点.本文根据径向基函数神经网络的这些优点提出了一种基于径向基函数网络的CDMA多用户检测方法(RMD).计算机模拟表明我们所提的算法具有能克服多址干扰,抑制噪声干扰和对"远-近"问题不敏感等优点,这为研究CDMA多用户检测器开辟了一条新的途径。     

一种神经网络盲多用户检测

给出了一种神经网络盲目多用户检测算法。这种盲检测算法基于最小平均输出能量准则,本质上是一个有给的最优化问题。与传统方法相比,利用神经网络求解约束优化模型,可以有效降低计算量,保证实时性,同时使检测器的性能有所提高。     

平坦瑞利环境下多用户检测的量子神经网络方法

提出采用量子神经网络(QNN)方法在平坦瑞利环境下进行多用户检测的方法。量子神经网络是量子计算与人工神经网络(ANN)相结合的产物,由于利用量子并行计算和量子纠缠等特性从而克服了传统人工神经网络的固有缺点。研究结果表明:该算法具有较强的鲁棒性;能有效地抑制噪声干扰,克服远近效应,在平坦瑞利衰减下具有较好地误码性能。     

RBF神经网络CDMA多用户检测方法

分析了采用正交最小二乘(OLS)算法的RBF神经网络应用于DS-CDMA扩频通信的多用户检测的问题,给出了基于RBF网络进行多用户检测的理论依据和仿真分析性能。     

空时盲多用户检测

提出了一种空时盲多用户检测器，该检测器只需知道所需用户的扩频码且不需知道其信道特性即可工作在频率选择性衰落信道，它综合了约束最小输出能量（CMOE）盲多用户检测器和传统的空时二维RAKE（ST 2D-RAKE）接收器的优点而克服了它们各自的不足，它充分利用所需用户的空间、时间和扩频码信息来控制多址干扰（MAI）并能组合多径分量。最后研究了基于神经网络的实现方案。     

基于免疫算法的多用户检测

本文提出了基于免疫算法的多用户检测方法，这种方法大大降低了最佳多用户检测器的计算复杂度，同时达到了次最佳的检测效果。     

基于随机Hopfield神经网络的最优多用户检测器

Hopfield神经网络检测器与传统检测器相比具有独特的魅力,但存在局部收敛问题.随机Hopfield神经网络通过对状态变量引入噪声,从而避免局部收敛,进而达到最优检测.本文给出了CDMA移动通信系统中基于随机Hopfield神经网络的最优多用户检测器的统一框架,该检测器利用随机Hopfield神经网络对最大似然函数进行优化从而得到最优检测性能.在三种典型信道中对这些检测器性能进行比较,结果表明该检测器比传统检测器的性能更好.     

一种低复杂度的Turbo多用户检测技术

基于Turbo原理,提出了一种适合于同步DS－CDMA系统的迭代多用户接收机结构,它通过在反复迭代的软输入出多用户检测器和一组信道译码之间获得连续的软判决,从而得到一种低复杂度的多用户检测算法－软MMSE干扰消除。     

小波神经网络在MC-CDMA多用户检测技术中应用研究

对多载波码分多址(MC-CDMA)系统的干扰受限问题,提出了利用小波变换良好的时频局部特性和神经网络的良好自学习能力,提高多用户检测性能的原理。同时为解决网络权值和参数修正进化缓慢并且容易陷入最小的问题,采用增加动量项的方法提高网络学习效率。建立了基于小波神经网络的多用户检测器并应用于MC-CDMA系统中。用MATLAB/Simulink软件搭建仿真系统,接收端采用解相关检测(MMSEC)和正交恢复(ORC)检测算法。实验表明,基于小波神经网络的多用户检测技术在误码率(BER)性能上更接近单用户的BER性能。     

基于混沌寻优的CDMA最佳多用户检测方法

混沌运动广泛存在于非线性系统中,它具有遍历性与随机性等优良性质,且在某个域内不可重复的走向每个状态.本文利用混沌的这些优良品质提出了实现码分多址(CDMA)系统上最佳多用户检测的一种混沌寻优方法.计算机模拟表明我们提出的算法具有能克服多址干扰,能寻优到全局极小点,以及能抑制噪声干扰等优点,这为研究CDMA系统上的最佳多用户检测器开辟了一条新的途径.     

基于遗传算法和神经网络的多用户检测器

利用两种方法的优点,并将它们应用于CDMA多用户检测中,提出一种基于并行遗传算法和递归神经网络的多用户检测器。该检测器中,遗传算法首先给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。计算机模拟结果表明:本文所提出的检测器在误码率和抗“远近”效应方面均具有良好的性能。     

CDMA移动通信系统中的多用户检测技术

CDMA是一个自干扰受限系统，如何克服CDMA系统中的多址干扰问题已成为提高CDMA系统容量的关键。多用户检测是克服CDMA多址干扰最有潜力，最彻底的关键技术之一，介绍了多用户检测的由来，一般结构，优缺点及其性能测度，分析了几种常用多用户检测器的原理及其性能。     

基于改进的量子遗传算法的多用户检测

为了加快量子遗传算法(QGA)的收敛速度,减小基于QGA的多用户检测的计算复杂度,提出了一种基于改进的量子遗传优化算法(MQGA)的多用户检测算法.通过引入小生境协同进化策略初始化量子种群,并采用自适应更新旋转角策略,改善了QGA的收敛性能和寻优能力.仿真结果表明,提出的多用户检测算法在收敛速度、误码率、抗远近能力及系统容量方面都优于遗传算法多用户检测器、量子遗传算法多用户检测器和传统多用户检测器.     

CDMA移动通信系统中的多用户检测技术

本文研究了应用于CDMA移动通信系统中的各种多用户检测技术的原理和优缺点。指出多用户检测技术主要分为线性多用户检测和干扰消除多用户检测两类 ,前者包括解相关检测、最小均方误差检测、子空间斜投影检测和相关矩阵多项式扩展检测 ,后者包括串行、并行干扰消除和判决反馈多用户检测 ,同时对各种多用户检测技术的特点进行了分析比较     

基于NLMS的CDMA盲自适应多用户检测算法研究

多用户检测是抑制DS-CDMA系统多址干扰最有效的技术之一。由于所需的先验知识仪有期望用户的地址码,盲多用户检测技术的研究尤受重视。最小输出能量(MOE)准则被广泛用于盲线性多用户检测。目前已提出的该类检测器多采用LMS或RLS算法。本文则研究基于NLMS算法的盲自适应检测技术,并进一步提出盲自适应变步长NLMS检测器和参数可变的盲自适应变步长NLMS检测器。它们具备很好的收敛速度和跟踪能力,以及较高的输出信干比,同时计算复杂度仅为O(3N)或O(4N),非常适合硬件实现。     

基于神经网络的智能用户检测技术在CDMA中的应用

多用户检测技术是第3代移动通信系统IMT－2000中的一项关键技术。求解最优多用户检测器的目标函的最小值问题可以转化为求解Hopfield神经网络的能量函数的最小值问题。对两种基于神经网络的智能多户检测器进行性能分析和计算机仿真,通过与最佳多用户检测器和传统检测器的比较,证实了这两种神经网络检测器都能较好地实现多用户检测的功能,因此,神经网络多用户检测技术是一种切实可行的方案。     

两类多用户检测技术

从技术角度比较了以美国和日本为研究重点的两类多用户检测技术,指出了它们的优缺点和当前国内外的研究状况,并给出了工程实现上的建议。