直接序列码分多址通信系统中最佳多用户检测器的一种实时实现方法

本文叙述了通过构造一种复合神经网络实现直接序列码分多址通信系统中实时最佳多用户检测器的方法。这种最佳多用户检测器的实时性来自复合神经网络运算结构的并行性。复合神经网络由一个前向单层网络和一个竞争网络构成，其中前向单层网络进行似然函数计算，而竞争网络实现选择最大项操作。     

一种实现最佳用户检测的非线性优化神经网络

本文提出并讨论了实现码分多址（CDMA）系统上最佳多用户检测（MUD）的一种神经网络方法。该方法通过将最佳多用户检测视为非线性优化组合问题，利用神经网络能有效求解非线性优化问题的优势，导出了一种非线性优化神经网络来实现最佳多用户检测，理论分析和计算机模拟表明，所提出的神经网络具有可实时应用的动态性能和较传统方法优越得多的误码率性能和抗多址干扰的性能。     

一种神经网络多用户检测器

本文提出采用Ｈｏｐｆｉｅｌｄ神经网络实现ＣＤＭＡ多用户通信系统中多用户信号的检测。利用基于检测序列最大后验概率最佳多用户检测器的似然函数与Ｈｏｐｆｉｅｌｄ神经网络的能量函数的对应关系,构造一种离散Ｈｏｐｆｉｅｌｄ神经网络多用户检测器。研究表明,这种多用户检测器具有优良的性能,其计算复杂度低于最佳多用户检测器、抑制多址干扰和克服远近效应能力又大大优于传统检测器。     

自适应BP网络多用户检测在同步CDMA扩频通信系统中的应用

研究了将自适应ＢＰ网络应用于直接序列码分多址扩频通信的多用户检测，先给出了在同步高斯信道下运用三层自适应ＢＰ网络解调扩频信号的结构框图，然后分析了基于这种网络进行多用户检测的理论依据和实际性能。仿真结果表明，无论是抗多址干扰还是抑制远近效应，自适应ＢＰ神经网络接收机都明显优于传统接收机和ＢＰ神经网络接收机，其性能非常接近最佳接收机。     

神经网络多用户检测

介绍了基于神经网络的ＣＤＭＡ系统最佳多用户检测器和盲多用户检测器，给出了它们的发展现状，讨论了各自的原理和实现技术，比较了其性能，并指出了今后可能的努力方向。     

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。     

基于SPDS算法神经网络的CDMA多用户检测

针对基于单参数动态搜索(SPDS)算法的神经网络应用于DS-CDMA通信的多用户检测的问题,先给出了在同步高斯信道下运用三层基于SPDS算法的神经网络解调扩频信号的结构框图,然后给出了SPDS算法的优点和具体实现步骤,并分析了基于这种网络进行多用户检测的理论依据和实际性能。仿真结果表明,无论是抗多址干扰还是抑制远近效应,基于SPDS算法的神经网络接收机都明显优于传统接收机和普通BP神经网络接收机。     

基于免疫应答的RBF网络在动态多用户检测中的应用

径向基函数神经网络是一种具有局部逼近能力的前向神经网络,可用作码分多址中的多用户检测器,有较好的检测性能;但是目前的RBF网络多用户检测器收敛慢,不能针对实时变化的动态信道作跟踪.针对动态信道中的多用户检测问题,借鉴免疫系统二次应答原理提出了一种基于免疫机制的RBF网络.该方法结合免疫记忆机制和免疫应答机制设计免疫算子,针对动态模型中的稳定部分和突变部分作不同强度的训练;借鉴免疫系统的二次应答机制,较大地降低了算法复杂度,并且收敛快、鲁棒性强,提高了在变化的信道中的多用户检测器的动态追踪能力.     

通信

TN91 2005010798软件无线电及其实现方案的研究/刘波粒(河北师范大学)11电讯技术.一2004,44(1)一111一114在介绍软件无线电的产生、基本概念和系统结构的同时,分析了实现软无线电的关健技术,并给出了基于目前器件技术水平的中频软件无线电流程框图的折衷方案,最后指出软件无线电技术的美好前景.图2表2参6(李)213径向基函数神经网络是一种具有局部通近能力的前向神经网络模型,它可用作码分多址中的多用户检测器,并且有较好的检测性能;但是存在不足,主要表现在网络的构造和训练算法的优化方面.针对径向基函数网络在码分多址多用户检测应用中…     

基于神经网络和粒子群算法的MC-CDMA多用户检测

MC-CDMA系统是干扰受限系统,存在多址干扰。本文提出一种基于神经网络和粒子群算法的MC-CDMA多用户检测方法。在粒子位置更新中,随机选择部分粒子作为Hopfield神经网络的神经元组成的个体,进行神经网络的更新;其他粒子仍采用原粒子群算法的位置更新策略,从而能加快粒子群算法的收敛速度以及降低计算复杂度。仿真表明在算法参数相同时,该多用户检测方法在误码率、收敛速度、系统容量、抗远近能力等方面都优于基于粒子群算法的多用户检测和基于神经网络的多用户检测,更加逼近于最佳多用户检测的性能。     

基于轻量级CNN和信道特征辅助的多用户物理层认证机制

针对目前物理层的用户认证算法存在的鲁棒性差、复杂度高等问题，提出了一种轻量级卷积神经网络（CNN）信道特征提取算法，通过改变网络输入形式减少训练所需要的信道状态响应，同时基于该算法建立了一种多用户物理层信道特征辅助的认证机制，设计了从用户注册到认证的详细过程，并在线完成多用户认证及网络参数更新。仿真结果表明，所提算法能够完成多用户身份认证，在较小的训练轮次下获得良好的检测性能，且比现有的多用户认证算法需要的训练样本少。     

在CDMA系统中实现多用户检测的障碍函数下降方向法

该文提出了在码分多址(CDMA)系统上实现多用户检测的一种基于障碍函数下降方向的方法(BMD)。与传统方法以及神经网络优化算法相比较,作者提出的方法是利用障碍函数而得到的一个新的下降方向而不是梯度下降方向。计算机模拟表明:这种方法总能找到全局最优解,并具有抑制多址干扰和噪声干扰,对远-近问题不敏感等特点。这为实现码分多址系统上的最佳多用户检测提供了一条新的途径。     

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。     

6G通信系统中多用户协作技术的研究

文中研究了6G通信系统中的多用户协作技术，针对多用户同时接入6G通信系统时存在的干扰和资源竞争问题，探讨了多用户协作技术的原理、分类及其在6G通信系统中的应用、优势和面临的挑战。同时，文中结合人工智能技术，提出了基于人工智能的多用户协作技术，并进行了数值仿真实验。实验结果表明，基于人工智能的多用户协作技术可以有效降低多用户之间的干扰和资源竞争问题，提高了6G通信系统的网络性能和用户体验，为研究6G通信系统中的多用户协作技术提供了一定的参考和借鉴，也为未来6G通信系统的发展提供了一定的思路和方向。     

一种基于逐维扩展的前向网络训练方法

前向网络的快速训练问题是前向网络研究的一个非常重要的课题。本文针对一类n-维超立方体的分类问题（当为二分类问题时，这实际上是一个n-维Boole函数的神经网络实现问题），提出了一种基于逐维扩展的前向网络快速训练方法，将一个n个输入的大网络的各权训练问题转化为小网络逐维递归的扩展部分的参数训练问题，提高了网络训练的速度，实验结果表明了这种训练方法的有效性和可行性。     

基于RBF神经网络系统辨识研究

从神经网络系统辨识原理出发，利用Matlab神经网络工具箱中提供的一组输入输出数据对，应用RBF网络进行系统辨识，建立RBF神经网络辨识模型，模拟其输出曲线，井且对辨识结果做了对比分析，进而实现了RBF网络的最佳逼近性质。     

一种提高推广性能的复合神经网络模型

本文利用前向人工神经网络推广性能与初始权值的关系,提出了一种新颖的复合神经网络模型-选举模型复合网络,用于提高前向网络的推广性能.本文还给出了预测该复合推广性能的理论计算公式,并进行了严格的数学证明.理论分析和仿真实验表明,选举模型复合网络是提高前向网络用于目标分类的推广性能之有效手段.     

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。     

基于混沌神经网络的多用户检测器

提出一种基于增广Lagrange乘子——暂态混沌神经网络的码分多址（Code Division Multiple Access，CDMA）多用户检测新技术。该技术将混沌模拟退火算法与增广Lagrange乘子相结合，具有良好的逃逸局部最小点的能力和较快的收敛速度，同时能有效克服惩罚函数的缺点。仿真实验结果表明，基于增广Lagrange乘子——暂态混沌神经网络的多用户检测器，其误码率性能优于Hopfield神经网络及未改进的暂态混沌神经网络等多用户检测器。