一种线性受限共轭梯度常模盲多用户检测算法

本文将线性受限条件和共轭梯度法应用于常模算法,提出了一种线性受限共轭梯度常模盲多用户检测算法,称之为LC-CGCMA,并将它与传统的线性受限常模算法(LC-CMA)及最小二乘常模算法(LSCMA)进行了仿真比较.仿真结果表明,提出的LC-CGCMA算法比LC-CMA算法的信干比性能和误码性能有较大改善;与LSCMA算法相比,算法复杂度有明显降低.     

一种改进的线性受限共轭梯度常模盲多用户检测算法

提出了一种改进的线性受限共轭梯度常模算法(M-LCCGCMA),其核心是采用在最优自适应步长的方法对算法进行优化,并推导出步长的解析形式.将本文算法在加性白高斯和多径衰落信道的环境中进行了仿真.仿真结果表明,该算法的信干比性能和误码率性能均比现有的自适应步长常模算法要好.     

基于宽线性动量LMS算法的DS-CDMA MAI抵消

提出了一种宽线性动量LMS算法，分析了算法在均方意义下的收敛性，给出了算法稳定条件和失调公式，以及算法应用于码分多址系统多址干扰抵消的效果。仿真表明新算法的性能优于Yin及Schober所提出的算法的性能。     

码分多址系统中的线性多用户检测

本文分析了直接序列分多址系统中针对消除多址干扰的线性多用户检测技术，这种方法与会相比可大大提高系统的性能和容量，降低了对功率控制的要求及系统的复杂性。     

一种新的盲自适应多用户检测算法

多址干扰引发严重的远 /近问题。本文提出一种新的代价函数 :差分平均输出能量(DMOE) ,并设计了适用于DS/CDMA系统的盲多用户检测算法。理论分析和数值模拟表明该算法的收敛性能及误码性能均优于MOE检测器     

多用户检测算法及其在IMT-2000中的应用

本文研究了应用于CDMA移动通信系统的各种多用户检测算法的原理和优缺点。首先指出多用户检测技术主要分为线性多用户检测和干扰对消多用户检测两类，然后对各类多用户检测技术的特点进行了分析比较。最后，探讨了用软件无线电实现多用户检测的可行性。     

DS-CDMA卫星通信系统线性多用户检测算法性能比较

CDMA是新一代移动通信系统的关键技术,现代卫星移动通信也采用CDMA技术。多址干扰(MAI)的存在严重影响了CDMA系统的性能,需要采用多用户检测技术进行抑制。本文分析了卫星移动通信系统的模型,将线性多用户检测算法用于卫星移动通信系统,并对传统检测器、解相关检测器、MMSE检测器等线性检测器进行了性能比较。计算机仿真结果表明采用线性多用户检测技术使卫星移动通信系统的性能得到了明显的改善。     

基于宽线性迭代平均仿射LMS算法的DS-CDMA MAI抵消

基于宽线性处理可以改善线性多用户接收机的性能以及仿射和迭代平均可以加快算法收敛的思想,提出了一种宽线性迭代平均仿射LMS算法,分析了算法在均方意义下的收敛性,给出了算法稳定条件和失调公式,以及算法应用于码分多址系统多址干扰抵消的效果.     

改进的线性受限共轭梯度常模算法

提出了一种改进的线性受限共轭梯度常模算法,称之为M—LCCGCMA。其核心是采用最优自适应步长的方法对已有算法进行优化,并推导出步长的解析形式,确保了算法收敛于期望用户,提高了系统性能。通过对算法代价函数的理论分析,得出了算法收敛的条件。将算法在加性白高斯和多径衰落信道的环境中进行了仿真,结果表明,该算法的信干比性能和误码率性能均比现有的自适应步长常模算法要好。     

基于基因算法的盲多用户检测器

基于基因算法的盲多用户检测器通过新构造的代价函数，结合遗传学中生物进化机制 和盲多用户检测理论，提供了一种对下行链路 CDMA 系统中特定用户信号进行盲检测的新思路。经过 基因构造且迭代进行父母选择、交叉、变异以及族群的重组等运算，这种检测器能收敛到代价函数意义 上的全局最优检测器，且具有所需信息少、计算简单、数值稳定性高等优点。仿真证明，这种检测器具有 近似于盲 MMSE 检测器的误码性能以及良好的抗远近能力。     

多径衰落信道下基于子空间的RLS盲多用户检测

本文在RLS盲检测算法的基础上,利用子空间的概念,构建了基于子空间的RLS多用户盲检测算法,在仅仅需要知道目标用户的特征序列和定时的条件下,自适应地估计检测向量,通过理论分析表明,改进的检测算法在运算复杂度上低于满秩RLS算法[7].仿真结果表明,改进的检测算法收敛性能优于满秩RLS算法,同时在特征序列畸变条件下表现出健壮件也远优于满秩RLS检测算法.     

遗传算法在多用户检测中的应用研究

本文针对CDMA系统中多用户检测的组合优化问题,提出一种结合遗传算法和Hopfield神经网络的检测方法。该方法首先由遗传算法给神经网络提供一个初始解,神经网络在此基础上再进行局部寻优。研究表明：这种方法具有平方的计算复杂度,优于Hopfield神经网络检测方法、以及单独采用遗传算法的检测方法,对远近问题不敏感,具有良好的误码率性能和抗多址干扰性能。     

基于人工神经网络的改进共轭梯度算法研究

针对前馈式神经网络结构,提出用一种改进共轭梯度算法建模的最速下降搜索迭代的新方法,并把它用于神经网络。同时用神经网络来预报经济指标,通过预测中使用的基本模型和训练算法,提出了单因素非线性自回归和多因素非线性回归两种神经网络预报模型,并对四川省的社会总产值进行预测,结果表明此神经网络用于经济预测是一种新的、更精确、更有效的预测方法。     

ADAPTIVE STEP－SIZE CONSTANT MODULUS ALGORITHM FOR BLIND MULTIUSER DETECTION IN DS－CDMA SYSTEMS

Blind Adaptive Step-size Constant Modulus Algorithm (AS-CMA) for multiuser detection in DS-CDMA systems is presented.It combines the CMA and the concept of variable step-size,uses a second LMS algorithm for the step size.It adjusts the step-size according to the minimum output-energy principle within a specified range,thus overcomes the problems of bad effect of fixed step-size LMS algorithm.Compared with Adaptive Step-size LMS (AS-LMS) algorithm,through simulations,this algorithm can adapt the changes of the environment,suppress multiple access interference in the dynamic environment and the stability of Signal to Interference Ratio (SIR) is superior to that of AS-LMS.     

Efficient channel blind estimator for multiuser system with conjugate cyclostationarity

The problem of blind channel identification in a multiuser system is considered in this article. For this purpose, a blind identification algorithm is proposed based on the conjugate cyclostationarity of the received signal. The new approach contains a two-stage identification procedure. First, the separation technique in the cyclic domain is used to separate the second-order cyclic statistics for each user. Second, a subspace algorithm based on the rational subspace theory is exploited to estimate the desired channel. Theoretical analysis and simulation results show that this algorithm is suitable for a multiuser system. Compared with other methods, the algorithm shows good performance even in a bad situation when the number of users is large and the diversity condition is unavailable.     

基于预处理共轭梯度法的低复杂度信号检测算法

大规模多输入多输出系统中,最小均方误差信号检测算法是近似最优的,但由于其涉及矩阵求逆,计算复杂度随着天线数量增加呈指数增长.提出了低复杂度的预处理共轭梯度信号检测算法,该算法通过预处理技术降低矩阵条件数,从而加快共轭梯度信号检测算法的收敛速度.仿真结果显示,该算法在小数量的迭代中能够达到和最小均方误差检测算法相似的误码率,算法复杂度下降了一个数量级.相比直接用共轭梯度法,能够更快收敛到最佳值.     

基于共轭梯度法的多层神经网络训练方法

建立多层人工神经网络的最优化求解方法,以多层神经网络总体平均误差为目标函数,以权值和阈值作为设计变量,采用共轭梯度法对网络的权值和阈值进行优化计算,完成神经网络训练的方法.将优化原理应用到多层神经网络权值和阈值的计算问题,实现网络权值和阈值的快速计算,为分析神经网络的合理结构提供了必要条件.