一、ADAPTIVE STEP-SIZE CONSTANT MODULUS ALGORITHM FOR BLIND MULTIUSER DETECTION IN DS-CDMA SYSTEMS(论文文献综述)
崔伟[1](2021)在《非合作通信系统中盲源分离及关键算法研究》文中研究表明盲源分离及其关键算法研究是目前乃至未来一段时间内信号处理、图像识别、生物医学等领域的研究重点,这是因为盲源分离处理可以在先验条件未知情况下得到各领域发展所期待的结果。非合作通信系统的主要任务是从接收到的未知混合信号中分离出各独立源信号。由于非合作通信系统侦收信号时并不知道接收信号的先验知识,信号检测、参数估计、解调和识别处理等都具有“盲”的特性,信号处理始终处于被动地位,这就使非合作通信接收系统只能从“盲”的角度出发来寻找合作通信中时域、频域、空域、码域等之间的差异来分离出有用信号,监视、截取那些缺少先验知识的无线信号并获得其携带的各种有用信息,从而更加有针对性地对侦收到的信号进行分析和处理。在对信号进行截获侦收时,时频域、空域信息往往比较关键,也是非合作通信系统首先要确定的信号技术特征。时频特性代表源信号的时域特性和频域特性,而空域特性主要指源信号的空间到达角度(俯仰角和方位角)信息,在阵列信号处理中,通常可以利用信号波达方向估计(空间谱估计)来得到空域特性并获得入射源信号的俯仰角和方位角。随着电磁环境的日益复杂,信号时域、频域、空域和调制域特性相互交叉重叠并对非合作通信接收系统产生极大挑战,也为信号分离也带来前所未有的难度。因此非合作通信系统在时域、频域、空域(角度域)完成信号盲源分离与重构已成为亟需解决的现实问题。本文从稀疏表示理论和压缩感知理论出发,围绕非合作通信系统中波达方向估计、欠定条件下盲源分离、稀疏信号重构等问题进行一系列分析和探索,建立非合作通信系统时频域、空域盲源分离与信号重构理论框架,构建相对完善的盲源分离、信号重构算法与方案。论文主要围绕以下内容展开:1.针对典型的二维波达方向估计(空间谱估计)问题,提出了一种基于L型阵列的二维DOA(Direction of Angle)稀疏估计算法。算法利用子阵列数据交叉协方差矩阵的空间稀疏特性,在对采样数据误差分布分析的基础上,通过在过完备基下寻找交叉协方差矩阵的稀疏系数从而实现信号俯仰角估计,然后再对数据交叉协方差矩阵共轭转置矩阵进行特征分解,利用旋转不变因子处理方式(类ESPRIT法)实现方位角估计,在俯仰角和方位角联合估计过程中实现了二维角度信息的自动匹配,不存在俯仰角信息和方位角信息的失配问题。仿真实验证明所提算法能够在低信噪比条件下实现二维DOA高精度估计,DOA估计误差随信噪比的增大而逐渐变小,同时估计误差随快拍数的增大也不断变小,算法估计过程呈现出良好的收敛性能。与文中提到的其他算法相比,DOA估计精度明显要高,DOA估计误差值更加趋近于CRB值。算法表现出良好的估计性能,从而对信号空域角度信息实现有效分离。2.针对非合作通信条件下欠定盲源分离问题,在遵循欠定盲源分离两步法基础上,首先改进并提出一种新的混合矩阵估计算法。在充分挖掘相同阵元信号之间角度信息和不同阵元信号之间能量信息的基础上,提出基于角度信息和能量信息双约束的时频域单源点(SSP)检测策略,从而实现SSP有效检测,再利用FCM方法来完成混合矩阵估计。通过分析与相关仿真来看,一方面混合矩阵估计精度NMSE指标随SNR的增大逐渐变小,另一方面与单约束SSP检测算法相比,双约束SSP检测策略在估计混合矩阵时可以得到较高的估计精度,能够实现对混合矩阵进行精确估计。其次,针对信号重构问题,提出一种新的奇异值隶属性匹配欠定盲源重构算法(SVMMUSR)。当信号时频域稀疏特性动态变化时,通过构建数据扩展矩阵并进行奇异值分解,然后再检测每个数据点对被检测子空间的隶属性,从而得到动态k稀疏条件下与每个数据点匹配的最优k维子空间,最后利用子空间投影方法实现源信号精确重构。仿真结果证明,通过与常规OMP、SL0和TIFROM算法相比,SVMMUSR算法中SIR指标值会随SNR的增大而逐渐增大,算法的重构性能在SNR较高情况下要优于OMP、SL0和TIFROM方法。同时,随着SNR的逐渐增大,SVMMUSR重构算法的相关系数近似为1,信号重构性能表现良好。不仅如此,从仿真局部图来看,SVMMUSR算法的性能要优于OMP、SL0和TIFROM算法,从而表明SVMMUSR算法具有较高的信号重构性能,可以得到较高的盲分离精度。3.在对非合作通信欠定盲源分离研究的基础上,进一步对实际条件下稀疏信号重构问题进行深入挖掘和探讨。为解决实际稀疏度k未知时稀疏信号重构算法中存在耗时过长、精度不高的问题,提出了一种基于双向稀疏自适应调整和弱选择原子的匹配追踪重构算法(BSA-WSAMP)。该算法采用原子弱选择优化策略优化支持集更新,采用“缩放”双向变步长方法实现稀疏度自适应调整,算法能有效减少迭代次数。通过理论分析来看,BSA-WSAMP算法并没有明显提高信号重构的计算量,但算法本身所允许的重构条件却更加松弛,更加适合在实际中应用。仿真结果表明,与其他重构算法Co Sa MP、SAMP、ASSAMP和SWOMP相比,BSA-WSAMP算法在稀疏度较大时具有较高的重构概率和较快的算法收敛速度,在迭代次数较少时便可以达到规定的重构误差。同时该算法对稀疏度k具有良好的自适应特性,在保持较低重构复杂度和较少重构时间的同时,具有较高的稀疏信号重构质量。
高维廷[2](2015)在《直接序列扩频码分多址系统多用户检测算法研究》文中研究表明多用户检测(Multiuser Detection, MUD)技术是现代无线移动通信领域中一项重要的抗干扰技术,随着移动通信信息数据表现形式多样性、信息数量巨大性、用户需求复杂性及信号处理实时性等因素的快速发展,传统MUD技术已无法全面有效处理现有无线移动通信系统面临的各种干扰抑制问题。本文针对单一MUD算法存在的收敛性、跟踪性能、精度及稳定性等关键性能指标不佳的问题,在传统干扰抑制技术与数值分析理论的基础上提出更新概念的MUD算法,提高以直接序列扩频码分多址系统(DirectSequence Spread Spectrum-Code Division Multiple Access, DS-CDMA)为代表的多址移动通信系统的综合干扰处理能力,进一步满足复杂移动通信的需求。本文主要创新性研究结果如下:(1)针对MMSE算法与Kalman算法在DS-CDMA系统多用户近似估计及时变噪声统计过程中,容易引入判决误差导致算法稳定性下降的问题,提出了改进的MMSE-MUD算法与改进的盲自适应Kalman滤波MUD算法。改进算法通过减小近似估计过程判决误差产生及优化迭代过程等方式,提高算法计算过程的收敛性与稳定性,使算法能够有效处理动态通信问题。(2)针对自适应MUD算法处理时变复杂移动通信问题过程中的各种限制因素,提出了自适应最速下降RLS算法、盲自适应拟Newton迭代Kalman算法及盲自适应SOR/JGS-Kalman算法。改进算法通过与最速下降算法、拟Newton迭代算法、Jacobi迭代算法及Gauss-Seidel迭代算法等数值理论结合,可基于检测环境差异优化自适应MUD算法的迭代运算稳定性与实时突变处理能力,实现对松弛参数、阻尼参数、矩阵范数等条件选择决策的精确控制,进而扩展算法应用范围。仿真结果表明改进算法具有更好的复杂时变噪声统计估计能力、收敛性及动态跟踪能力。(3)针对串行干扰消除(Successive Interference Cancellation, SIC)算法处理过程中过度重复进行用户排序,导致检测精度低的问题,提出了MMSE-SIC算法,异步连续型Schwarz-SIC算法及盲自适应Kalman-SIC算法。改进算法基于线性MUD准则、Schwarz理论及自适应算法,在进行DS-CDMA通信系统SIC检测同步BER精确分析与异步BER近似分析后,根据应用环境合理引入MMSE、Schwarz及Kalman算法准则,重新构建SIC算法的独立判决单元,减少用户排序确保单一检测级处理精度,进而提高算法整体检测精度。仿真结果表明改进的SIC方案在复杂条件下具有更加可靠的MUD处理精度。(4)针对并行干扰消除(Parallel Interference Cancellation, PIC)算法因检测处理过程需使用相同方法对系统中所有用户进行多次分阶段迭代运算,造成算法复杂度高且收敛慢的问题,提出了异步连续并行Schwarz-PIC算法与盲自适应Kalman-PIC算法。改进算法根据PIC处理过程的实际需求,合理引入Schwarz准则与Kalman算法准则重构PIC过程的独立检测单元,通过对MUD边值问题进行实时跟踪与精确修正,将求解问题区域根据实际系统情况分解为两个或多个相同或不同的子区域,交替求解各个子区域上的子问题,减小问题处理规模,从而减少重复运算。仿真结果表明改进算法在降低并行检测过程计算复杂度的同时,有效提高了算法的收敛速度与检测精度。(5)针对IC级联结构MUD算法为避免判决误差扩散,采用对所有用户进行多次分阶段迭代的方式,导致算法复杂度高且收敛慢的问题,提出了衰落信道下的盲自适应Kalman-IC算法。改进算法在串行格局上充分利用并行计算的特点,选择特定幅度、延迟及相位,使用相应扩频序列对检测到的数据码字进行二次调制,再将二次调制信号去除并消去该用户造成的MAI,最后从接收信号中恢复出用户有效数据。改进算法可在任意时刻根据用户信号增体变量中的最新信息自适应确定运算是否继续,无需等待数据输入,避免了单一IC算法因过度多次分阶段迭代运算导致的高复杂度与低收敛性。仿真结果表明改进算法在降低级联检测计算复杂度的同时提高了算法收敛速度与检测精度。
胡莉[3](2013)在《DS-CDMA盲多用户检测新技术研究》文中指出CDMA技术是具有广阔发展前景的通信技术之一,并广泛应用于军事通信和民用通信中。CDMA系统本身是一个干扰受限系统,由于多个用户的随机接入以及CDMA系统中各用户使用的扩频码一般并非严格正交和完全同步,各个用户之间的干扰不可避免,由于非零互相关系数引起的各用户间的相互干扰称为多址干扰(MultipleAccess Interference, MAI)。多址干扰会严重限制系统容量,影响系统性能。多用户检测技术的基本思想就是充分利用包括干扰用户在内的各种信息及信号处理手段,抑制甚至消除多址干扰,从而更加有效地利用频谱资源并提高系统容量。近年来,盲多用检测由于不需要训练序列和干扰用户的先验知识,已成为多用户检测技术的一个重要研究方向。本文对DS-CDMA系统中的盲多用户检测算法进行研究,对现有的基于LMS和RLS的盲自适应算法进行了改进;提出了一种新的基于正则化的盲多用户检测算法,并对其进行了理论性能分析与仿真;针对基于ICA的盲多用户检测算法存在的模糊性问题,提出了一种基于正则化ICA的改进算法。主要研究内容和创新性成果有:1.针对基于约束最小输出能量(CMOE)的盲多用户检测器,在典范表示1的基础上,推导了其另一种表示,这种表示方法最大的好处就是物理意义明显,便于自适应实现。并在此基础上利用变步长NLMS算法实现盲多用户检测。NLMS算法不仅收敛速度快,而且具备一定的鲁棒性,从而优于基本LMS算法。同时,提出了一种基于可变遗忘因子RLS算法的盲多用户检测算法,它既具有对时变参数的快速跟踪能力,又具有较好的稳态性能,适合于动态环境的应用。2.将正则化理论应用到CDMA盲多用户检测中,并提出了基于该技术的几种盲多用户检测方案。利用Tikhonov正则化方法来解盲多用户检测问题,它的优点是稳定性好,且对用户特征波形失配有一定的容忍度。我们还给出了正则化盲多用户检测的一般形式,它是Tikhonov正则化(对角加载)的一种推广。另外,通过修正协方差矩阵来改善条件数,如对协方差矩阵的元素乘以不同的权重,衰减远离主对角线的元素,我们把该方法称之为协方差矩阵锥化(CMT),也属于正则化方法的范畴。3.对基于Tikhonov正则化的盲多用户检测算法,我们从理论上进行了性能分析。针对几种特殊情况,如干扰用户功率相等的等相关信号、理想功率控制的等相关信号以及理想功率控制的正交信号等,以平均输出信号干扰噪声比作为性能测度,给出了几种情况下的表达式。并通过模拟实例分析了各个参数对其性能的影响,得出了一些重要结论。通过仿真进行了误码率的比较,并简单验证了基于Tikhonov正则化的盲多用户检测对特征波形的失配有一定的容忍度。4.原始的独立分量分析(ICA)方法存在固有的缺陷,即次序模糊性和幅度模糊性(对于二进制,即极性模糊)。并且没有充分利用已知信息,如期望用户的扩频序列。因此我们对其进行改进,引入正则化泛函,使其包含扩频码的先验信息。它可以改善模糊性问题,提高算法的收敛性。我们利用随机梯度下降法最优化该代价函数,得到了正则化ICA(regularICA)检测器权向量的估计算法。正则化ICA方法具有一定的灵活性和稳定性,因为可以根据不同的最优化原则,选择不同的对比函数和正则化泛函。regularICA算法无需对数据进行白化处理,计算更简单。
冯大伟[4](2012)在《改进的ICA算法在盲多用户检测中的应用研究》文中提出码分多址(Code Division Multiple Access, CDMA)系统是在扩频通信系统上发展起来的一种无线通信系统,由于系统中存在多址干扰和远近效应,并且随着用户数的增多或信号功率的增大,多址干扰现象非常严重,因此极大的影响了CDMA系统的性能。多用户检测(Multiple User Detection, MUD)作为第三代移动通信的关键技术之一,利用用户特征码的内在结构信息,可以减少多址干扰,提高系统容量,解决远近效应。尤其是针对CDMA系统的盲多用户检测技术在检测时只需要期望用户的特征波形和定时信息,不需要干扰用户信息也不需要发送训练序列,具有实现复杂度低,对系统要求少等优点,具有良好的发展前景。本文围绕基于独立分量分析(Independent Component Analysis, ICA)的多用户检测算法展开研究。在总结前人工作的基础上,提出了一些改进算法,主要工作如下:首先,本文介绍了多用户检测的基本概念及其原理,并对主要的几种多用户检测方法做了详细的介绍。然后介绍了扩频通信及独立分量分析的基本理论及其在多用户检测领域方面的应用。其次,在对比分析DS-CDMA接收信号模型和独立分量分析的数学模型的基础上,将独立分量分析应用于DS-CDMA系统的盲多用户检测中,提出了一种基于混沌粒子群(Chaos-Particle Swarm Optimization, CPSO)算法的ICA盲多用户检测算法,与传统的ICA算法相比,仿真结果表明CPSO-ICA算法能进一步减少运行时间并能取得更好的信号检测性能。再次,研究了解决非线性混合信号检测问题的KICA算法,引入了一种新的组合核函数,并与CPSO-ICA盲多用户检测方法相结合,提出了一种改进的CPSO-KICA盲多用户检测算法。与传统的KICA算法相比,仿真结果显示改进的CPSO-KICA盲多用户检测算法运行时间更短,分离性能更佳。最后,对本文的研究工作进行了总结,并对未来的研究工作进行了展望。
郝红杰[5](2012)在《基于智能计算方法的多用户检测算法研究》文中提出多用户检测技术是解决多址干扰问题的最有效途径,是CDMA系统的关键技术之一。它在传统检测技术的基础上,充分利用造成多址干扰的所有用户的信号信息,联合检测期望用户的信息,因而获得了较理想的抗干扰能力,克服了远近效应,削弱了CDMA系统对于功率控制精度的敏感度,可高效利用频谱资源,大幅提高系统容量。S.Verdu提出的最优多用户检测器具有理论上的最优检测性能,但其计算复杂度会随系统用户数的增加呈指数形式增长,难于实时实现。因此,人们开始研究计算复杂度低且与最优多用户检测器性能相近的次优多用户检测器。近年来,采用智能计算方法解决多用户检测问题的方案引起了研究者的广泛关注。本文对智能计算方法及其在多用户检测中的应用进行了深入研究,主要工作如下:(1)对原有克隆选择算法做自适应改进,进而设计新的多用户检测器,并对新检测器的性能进行仿真分析。(2)针对概率克隆选择微粒群算法在解决离散优化问题时效果不佳的缺点进行改进,并将改进后的算法应用于多用户检测,设计基于改进的概率克隆选择微粒群算法的多用户检测方案。通过计算机仿真检验该多用户检测方案的可靠性与有效性。(3)将混合蛙跳算法和贪婪算法与克隆选择算法相融合,提出基于贪婪策略的克隆选择混合蛙跳算法,设计基于贪婪策略的克隆选择混合蛙跳算法多用户检测器,并与其他多用户检测器的性能作分析比较。
任坤[6](2012)在《WCDMA移动通信系统中盲多用户检测算法的研究》文中研究指明WCDMA是欧洲开发的第三代移动通信系统的标准之一,在移动通信系统中存在的多用户的干扰对系统性能有至关重要的影响,因此采用各种技术来消除通信系统中的多用户干扰一直是学术和工业界研究实践的重点。将盲多用户检测技术应用于WCDMA移动通信系统中是主要的方向之一,这是由于盲检测技术不需要消耗信令信息减小了信令开销,因此这一方向受到了广泛的关注。本文研究和探讨了WCDMA移动通信系统中的盲多用户检测算法——设计了一种由三部分组成的盲多用户检测器。这三部分包括平均滤波器、MAI消除滤波器和MUI消除滤波器。首先对WCDMA系统中的多用户干扰进行了分析,将系统的多用户干扰分成小区内的MAI和小区外的同码道用户干扰MUI。接着介绍了研究工作的背景知识——包括WCDMA系统简介和盲多用户检测算法的现状简介。然后针对前述的WCDMA系统两类干扰中的MAI类型的干扰,设计了MAI盲多用户检测滤波器,研究了使用LMS、RLS和Kalman的盲算法的应用性能。并且在高斯和多径两种信道条件下对盲自适应滤波器消除系统中的MAI性能进行了仿真和验证。由于实际场景中信道的时变特性,这三种盲检测算法在高速场景下都会出现失效。同时在低速场景中,由于多径效应存在,三种算法都出现了干扰检测性能的降低。因此这三种盲检测算法必须和信道均衡技术进行结合。同时针对前述的WCDMA系统两类干扰中的MUI类型的干扰,设计了MUI盲多用户检测滤波器。由于多个干扰信息源的独立性,而且本小区基站并不知道其它小区的干扰源任何信息,因此多用户检测演化为盲源分离问题——多天线WCDMA系统中的信道矩阵正好就是盲源分离问题中的混合矩阵。在本文中使用ICA方法对该混合卷积问题进行求解,并在高斯信道情况下进行了仿真验证。得出使用时频域变换可以在未知干扰个数情况下消除固定数目的那些强干扰。最后,对设计的由三部分组成的盲多用户检测器进行集成,并对集成后的整体算法性能做了分析。接着指出了算法的局限性:暂时没有过多考虑WCDMA系统中的语音信号的新的分布特性,需要将多用户检测算法与信道均衡以后的性能进行结合来评估。
韩盈[7](2011)在《基于独立分量分析的盲多用户检测算法的研究》文中指出码分多址(Code Division Multiple Access, CDMA)系统是在扩频通信系统上发展起来的一种无线通信系统,利用相互正交的不同编码分配给不同用户来调制信号,实现多用户同时使用同一频带接入系统。多用户检测技术可减少CDMA系统中存在的多址干扰,解决远近效应问题,并能提高系统容量,因此成为第三代移动通信的关键技术之一,其中盲多用户检测技术在检测时只需要期望用户的特征波形和定时信息,具有实现复杂度低,对系统要求少等优点,具有良好的发展前景。本文围绕基于独立分量分析(Independent Component Analysis, ICA)的盲多用户检测算法展开研究。在总结前人工作的基础上,提出了一些改进算法,主要工作和创新如下:首先,本文对目前国内外研究的多种多用户检测方法进行了综述,介绍了扩频通信及独立分量分析的基本理论及其在多用户检测领域中的应用。其次,在对比分析DS-CDMA矩阵信号模型和独立分量分析的数学模型的基础上,将独立分量分析应用于DS-CDMA系统的盲多用户检测中,提出了一种改进的噪声ICA盲多用户检测算法,克服了传统的ICA算法忽略噪声这一缺点。仿真实验结果表明改进的噪声ICA算法与传统的ICA算法相比能更好的实现检测功能。再次,介绍了目前热门研究的解决非线性混合问题的KICA算法,引入了一种新的组合核函数,并与基于噪声ICA的盲多用户检测方法相结合,提出了一种改进的KICA盲多用户检测算法。与传统的KICA算法相比,仿真结果显示改进的KICA盲多用户检测算法有着更佳的分离性能。最后,对本文的研究工作进行了总结,并对未来的研究工作进行了展望。
侯瑞玲[8](2011)在《自适应盲源分离与盲多用户检测算法研究》文中研究说明盲信号处理是人工神经网络、统计信号处理和信息理论相结合的产物,拥有强大的信息处理能力。盲信号处理理论涉及领域之多,应用范围之广,深得国内外广泛重视,研究也越来越深入,并在移动通信、电子侦察、生物医学信号处理、阵列信号处理、语音识别等众多领域得到了广泛的应用。而盲源分离和盲多用户检测技术是盲信号处理技术中极其重要的两个分支,已成为信号处理和人工神经网络等学科领域的研究热点。本文主要分为两个部分:自适应盲源分离算法和盲多用户检测技术。首先,在分析传统自适应盲源分离算法的基础上,了解了固定步长自适应盲源分离算法收敛速度和稳态性能之间的矛盾,借此提出了变步长算法应用的必要性。其次,盲多户检测因其具有良好的抗多址干扰能力而成为通信领域的关键技术之一,但是传统的盲多用户检测技术都基于已知扩频码序列,这使得实际应用受到限制。本文的主要工作包括以下几个方面:(1)介绍了几种经典的自适应盲源分离算法,包括:自然梯度算法、EASI算法、去相关算法、迭代求逆算法。在自然梯度算法的基础上,对自适应盲源分离算法的收敛性、稳定性等性能进行了仿真分析,验证了传统自适应盲源分离算法在收敛速度和稳态性能之间无法达到最佳统一,并对这四种算法性能进行了分析比较。(2)针对传统自适应盲源分离算法的缺陷,提出了基于性能指标PI的变步长EASI盲源分离算法。由于在信号分离初期,应采用较大步长提高收敛速度,然后步长应逐渐减小以降低稳态误差。基于算法分离精度与性能指标PI的关系,利用PI来实时控制算法步长。(3)介绍了几种常用的盲多用户检测算法,包括:MOE盲多用户检测、CMA盲多用户检测、kalman滤波盲多用户检测,并指出了这些算法在实际应用中的局限性。通过分析盲源分离模型和DS-CDMA系统模型发现两者是一致的,可以用盲源分离算法来解决盲多用户检测问题,这样也就无需知道扩频码序列信息。(4)针对常用盲多用户检测算法在实际应用中的局限性,提出了一种基于MUSIC算法的子空间盲多用户检测方法,该方法可以检测出活动用户的扩频码、信息码及其用户功率,摆脱了传统盲多用户检测器需要知道用户扩频码等先验信息的约束。本文通过仿真实验验证了改进的变步长盲源分离算法相对传统盲源分离算法的优越性、基于盲源分离多用户检测算法的有效性、基于MUSIC算法的子空间盲多用户检测算法的有效性。并且,这两种全盲条件下的盲多用户检测算法还可以为扩频码的盲估计提供一种途径。
张俊林[9](2010)在《CDMA通信系统多用户检测研究》文中认为多用户检测技术利用各个用户的扩频序列、时延、幅度和相位信息对各用户进行联合检测,能有效抑制多址干扰,充分利用上行链路频谱资源,提高系统性能和容量,是CDMA系统的关键技术之一。着者在从事“民航客机移动通信技术”课题的研究中,广泛吸取国内外的有益成果,利用子空间方法从多用户检测算法、子空间跟踪算法、空间特征信息提取等各个方面展开研究,在工程可实现的复杂度下,寻找性能优良的检测算法以提高系统性能,提出了基于子空间的改进检测算法、基于干扰子空间的检测算法以及空时联合检测的多用户检测算法。本论文的主要内容和研究成果如下:提出了基于子空间跟踪的空时盲自适应MMSE多用户检测算法。该算法利用阵列天线技术,将信号的空间特征引入信道模型,用子空间特征向量、特征值对角矩阵和空时流形矩阵参数构造多用户检测的权矢量表达式,避免了时域一维检测中,不能有效克服同信道干扰问题。建立的空时信道参数的盲估计算法,将时域检测和空域检测的信息集中反映在多用户检测权矢量表达式中,既反映信号的时间特性(包括时延、多普勒频移、快衰落等),又反映信号空间特性(如多径信号的到达方向、天线阵列几何、角度扩展等),有效提高了系统抗干扰能力。提出一种新的线性MMSE盲自适应多用户检测算法。在基于信号子空间的线性盲自适应多用户检测算法的基础上,将接收信号投影到信号子空间,求其自相关矩阵的逆矩阵,构造一种不含子空间特征值矩阵参数的检测算法,消除了近似估计特征值矩阵引入的误差。仿真结果表明,与其它子空间检测算法相比,该算法具有更低的误码率性能。提出了基于干扰子空间的线性MMSE盲自适应多用户检测算法。将所有干扰信号的自相关矩阵进行特征值分解,得到干扰子空间特征向量和特征值对角矩阵,在最小均方误差准则下,构造基于干扰子空间的盲自适应多用户检测算法,并利用快速迭代子空间跟踪算法(FAPI)估计干扰子空间特征向量。仿真结果表明,与其它算法相比,该算法具有更高的输出信干比。针对PASTd算法估计子空间特征向量,存在特征向量不严格正交的缺点,提出了基于NewPASTd算法的线性MMSE盲自适应多用户检测算法。在PASTd算法的基础上,通过对每次迭代提取的特征向量进行单位正交化处理,保证所有特征向量都相互正交,得到一种改进的子空间跟踪算法(NewPASTd),并用于多用户检测算法中的信号子空间跟踪。仿真结果表明,与基于PASTd的多用户检测算法相比,本文提出的多用户检测算法具有较快的收敛速度。在研究了多用户检测算法的基础上,用MATLAB平台对提出的各种检测算法进行仿真实验,仿真结果与理论分析具有很强的一致性,证明了提出的多用户检测算法的可行性和有效性。
王振[10](2009)在《DSCDMA通信系统中盲多用户检测相关算法的研究》文中研究指明多用户检测技术作为CDMA通信系统中抗多址干扰的关键技术一直以来都受到人们的广泛重视,而其中只使用期望用户的观测数据,不需要其他用户信息的盲多用户检测又是当前的研究热点。本文首先介绍了信号的子空间处理思想并将其引入盲多用户检测中,针对动态系统环境中信号子空间时变特点采用子空间跟踪算法和秩估计算法对信号子空间进行实时更新,并对子空间跟踪算法PASTd进行了改进,引入Schmidt正交化方法,新算法改善了原来PASTd算法由于压缩技术的使用而造成的正交化减弱的缺点,通过仿真实验分析证明了新算法的跟踪能力和抗远近效应能力均有明显提高;然后在对基于约束最小输出能量准则下的自适应滤波领域中的经典LMS算法和RLS算法研究的基础上提出了一种解相关变步长LMS盲多用户检测算法;最后针对多径衰落信道中由于波形失配导致传统Kalman滤波算法收敛特性下降严重的特点,将子空间技术与Kalman滤波相结合构成子空间Kalman滤波盲多用户检测算法,同时引入本文提出SPASTd跟踪算法构成一种新的基于子空间跟踪的Kalman滤波盲多用户检测算法,仿真实验证明了在动态环境下新算法的子空间跟踪能力和收敛特性均优于传统的PASTd子空间跟踪Kalman滤波算法,新算法能够有效抑制多址干扰,并降低噪声子空间造成的影响。
二、ADAPTIVE STEP-SIZE CONSTANT MODULUS ALGORITHM FOR BLIND MULTIUSER DETECTION IN DS-CDMA SYSTEMS(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、ADAPTIVE STEP-SIZE CONSTANT MODULUS ALGORITHM FOR BLIND MULTIUSER DETECTION IN DS-CDMA SYSTEMS(论文提纲范文)
(1)非合作通信系统中盲源分离及关键算法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 信号波达方向估计 |
1.2.2 时频域盲信号分离 |
1.3 本文内容及安排 |
第2章 盲源分离与稀疏表示 |
2.1 盲源分离数学模型 |
2.1.1 盲源分离模型 |
2.1.2 盲源分离典型算法 |
2.2 稀疏表示理论 |
2.2.1 稀疏表示与压缩感知 |
2.2.2 稀疏表示DOA估计 |
2.3 稀疏表示下精确重构理论与方法 |
2.3.1 精确重构的条件 |
2.3.2 常用稀疏重构方法 |
2.4 本章小结 |
第3章 基于L型阵列的二维DOA稀疏估计 |
3.1 引言 |
3.2 L型阵列模型与相应假设 |
3.3 基于数据交叉协方差矩阵的二维DOA稀疏估计 |
3.3.1 基于稀疏重构的俯仰角估计 |
3.3.2 基于旋转不变处理的方位角匹配估计 |
3.3.3 二维DOA估计流程及计算分析 |
3.4 仿真实验与分析 |
3.5 本章小结 |
第4章 时频域稀疏欠定盲源分离算法 |
4.1 引言 |
4.2 信号模型与假设 |
4.3 基于时频域双约束单源点检测的UBI算法 |
4.3.1 基于同一阵元相对信息的SSP检测算法 |
4.3.2 基于不同阵元相对能量信息SSP检测算法 |
4.3.3 基于双约束SSP检测的FCM混合矩阵估计 |
4.4 动态k-稀疏下基于奇异值隶属性匹配的USR算法 |
4.4.1 k-稀疏分量分析 |
4.4.2 基于动态k-SCA的SVMMUSR算法 |
4.5 仿真实验与分析 |
4.5.1 性能评价准则 |
4.5.2 算法仿真与分析 |
4.6 本章小结 |
第5章 基于双向稀疏自适应和弱选择匹配追踪的稀疏重构 |
5.1 引言 |
5.2 匹配追踪重构算法 |
5.2.1 正交匹配追踪算法 |
5.2.2 分段正交匹配追踪算法 |
5.2.3 正则化匹配追踪算法 |
5.2.4 压缩采样匹配追踪算法 |
5.3 稀疏度自适应匹配追踪算法 |
5.4 基于双向稀疏自适应和弱选择匹配追踪算法 |
5.4.1 BSA-WSAMP算法主要流程 |
5.4.2 算法过程分析 |
5.4.3 算法计算复杂度分析 |
5.4.4 重构条件与误差分析 |
5.5 仿真实验与分析 |
5.5.1 性能评价准则 |
5.5.2 信号重构与分析 |
5.6 本章小结 |
第6章 全文总结及展望 |
6.1 论文主要研究内容及创新点 |
6.2 未来工作内容展望 |
参考文献 |
作者简介及在学期间所取得的科研成果 |
致谢 |
(2)直接序列扩频码分多址系统多用户检测算法研究(论文提纲范文)
摘要 |
Abstract |
目录 |
本文用到的缩略语 |
1 绪论 |
1.1 研究背景与意义 |
1.1.1 多址无线通信系统介绍 |
1.1.2 码分多址通信系统研究背景及发展 |
1.1.3 多址无线通信系统的主要干扰及影响 |
1.2 码分多址系统多用户检测技术发展过程 |
1.2.1 线性多用户检测技术 |
1.2.2 非线性干扰消除多用户检测技术 |
1.2.3 多用户检测技术发展现状 |
1.3 论文研究内容与结构安排 |
1.3.1 论文研究内容及解决的关键科学问题 |
1.3.2 论文章节安排 |
2 DS-CDMA 系统多用户检测技术 |
2.1 多用户检测技术概述 |
2.1.1 多用户检测技术优性能缺点分析 |
2.1.2 多用户检测技术基本性能测度 |
2.2 干扰抑制多用户检测系统噪声模型 |
2.2.1 加性高斯白噪声模型 |
2.2.2 有色噪声模型 |
2.3 DS-CDMA 系统基本信号模型 |
2.3.1 高斯白噪声信道同步 DS-CDMA 系统模型 |
2.3.2 高斯白噪声信道异步 DS-CDMA 系统模型 |
2.3.3 频率选择性衰落信道同步 DS-CDMA 系统模型 |
2.4 典型多用户检测方案描述 |
2.4.1 最优多用户检测方案 |
2.4.2 线性 MMSE 多用户检测方案 |
2.4.3 解相关多用户检测方案 |
2.4.4 一种线性多用户检测算法仿真实验系统 |
2.5 一种改进的 MMSE-MUD 算法 |
2.5.1 算法基本改进原理 |
2.5.2 算法改进过程推导 |
2.5.3 改进的 MMSE 算法性能仿真分析 |
2.6 本章小结 |
3 盲自适应多用户检测算法研究 |
3.1 盲多用户检测基本原理 |
3.1.1 线性盲多用户检测的典范表示 |
3.1.2 基于约束最小输出能量准则的盲多用户检测算法 |
3.2 典型盲自适应多用户检测算法研究 |
3.2.1 盲自适应 LMS 算法 |
3.2.2 盲自适应 RLS 算法 |
3.2.3 盲自适应 Kalman 算法 |
3.3 一种自适应最速下降 RLS 多用户检测算法 |
3.3.1 自适应 RLS 算法等价数值问题基本推导 |
3.3.2 自适应 D-RLS 算法推导 |
3.3.3 自适应 D-RLS 算法多用户检测系统模型及性能分析 |
3.4 一种改进的盲自适应标准 Kalman 滤波多用户检测准则 |
3.4.1 多用户信号模型 |
3.4.2 算法改进过程 |
3.4.3 改进的 Kalman 算法仿真分析 |
3.5 一种盲自适应拟 Newton 迭代 Kalman 滤波多用户检测算法 |
3.5.1 系统模型描述 |
3.5.2 拟 Newton 迭代算法基本原理及优化 |
3.5.3 BN-Kalman 算法更新推导 |
3.5.4 BN-Kalman 算法仿真分析 |
3.6 一种盲自适应 SOR/JGS-Kalman 多用户检测算法 |
3.6.1 SOR/JGS 迭代约束准则 |
3.6.2 SOR/JGS-Kalman 算法推导 |
3.6.3 SOR/JGS-Kalman 算法性能仿真分析 |
3.7 本章小结 |
4 DS-CDMA 系统串行干扰消除多用户检测算法研究 |
4.1 多级干扰消除多用户信号模型 |
4.1.1 直扩系统信号模型 |
4.1.2 信号模型短周期扩频序列等效变换 |
4.1.3 信号模型长周期扩频序列等效变换推广 |
4.2 DS-CDMA 串行检测过程典型检测原理概述 |
4.2.1 基本 DS-CDMA 接收机原理 |
4.2.2 常规 MUD 过程描述 |
4.2.3 最优多用户检测过程描述 |
4.3 串行干扰消除多用户检测算法研究 |
4.3.1 SIC 基本处理结构 |
4.3.2 SIC 检测过程参数估计 |
4.3.3 同步 SIC 检测 BER 精确分析 |
4.3.4 异步 SIC 检测 BER 近似分析 |
4.4 最小均方误差串行干消除多用户检测算法 |
4.4.1 串行检测多用户信号模型 |
4.4.2 最小均方误差线性多用户检测准则 |
4.4.3 MMSE-SIC 多用户检测算法推导 |
4.4.4 MMSE-SIC 算法性能仿真分析 |
4.5 无线多址移动通信系统盲自适应 Kalman-SIC 算法 |
4.5.1 多用户模型及串行计算过程 Kalman 准则推导 |
4.5.2 K-SIC 算法推导 |
4.5.3 K-SIC 算法性能仿真分析 |
4.6 一种多址移动通信系统异步 Schwarz 串行干扰消除算法 |
4.6.1 异步系统信号模型分析 |
4.6.2 Schwarz 算法准则基本原理 |
4.6.3 S-SIC 算法推导 |
4.6.4 S-SIC 算法性能仿真分析 |
4.7 本章小结 |
5 DS-CDMA 系统并行干扰消除多用户检测算法研究 |
5.1 并行干扰消除多用户检测算法性能分析 |
5.1.1 并行干扰消除多用户检测过程基本原理 |
5.1.2 并行干扰消除多用户检测算法多级结构 |
5.1.3 并行干扰消除多用户检测过程系统模型 |
5.2 PIC 检测过程 BER 分析 |
5.2.1 PIC 检测第一级 BER 精确分析 |
5.2.2 PIC 检测第二级 BER 精确分析 |
5.2.3 PIC 检测第 m-1 级到 m 级 BER 近似分析 |
5.3 一种 DS-CDMA 系统异步连续并行 Schwarz-PIC 算法 |
5.3.1 Schwarz 交替准则基本原理 |
5.3.2 连续并行 Schwarz 约束准则算法实现 |
5.3.3 S-PIC 算法性能仿真分析 |
5.4 一种盲自适应 Kalman-PIC 多用户检测算法 |
5.4.1 DS-CDMA 系统多用户模型及并行 Kalman 准则推导 |
5.4.2 K-PIC 算法实现 |
5.4.3 K-PIC 算法性能仿真分析 |
5.5 盲自适应准则约束的 IC 联合检测方案 |
5.5.1 一种衰落信道下的盲自适应 Kalman-IC 算法 |
5.5.2 K-AIC 算法原理及实现 |
5.5.3 K-AIC 算法性能仿真分析 |
5.6 本章小结 |
6 总结与展望 |
6.1 论文总结 |
6.2 论文创新点 |
6.3 工作展望 |
参考文献 |
发表论文和参加科研情况说明 |
致谢 |
(3)DS-CDMA盲多用户检测新技术研究(论文提纲范文)
作者简介 |
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 研究现状 |
1.3 研究内容及章节安排 |
第二章 线性盲多用户检测 |
2.1 多用户检测的基本理论 |
2.1.1 多用户检测器的分类 |
2.1.2 多用户检测器的性能测度 |
2.1.3 盲多用检测的基本原理 |
2.2 同步 CDMA 信号模型 |
2.3 盲线性 MMSE 检测器 |
2.3.1 直接矩阵求逆 |
2.3.2 子空间法 |
2.3.3 失配问题 |
2.4 本章小结 |
第三章 基于 CMOE 的盲自适应多用户检测 |
3.1 线性多用户检测器的典范表示 |
3.2 LMS 算法 |
3.3 RLS 算法 |
3.4 变步长 NLMS 算法 |
3.4.1 CMOE 检测器的另一种表示 |
3.4.2 NLMS 算法 |
3.4.3 仿真分析 |
3.5 可变遗忘因子 RLS 算法 |
3.5.1 变遗忘因子 RLS 算法 |
3.5.2 仿真分析 |
3.6 本章小结 |
第四章 基于正则化的盲多用户检测 |
4.1 正则化方法的数学基础 |
4.1.1 反问题与第一类算子方程 |
4.1.2 第一类算子方程的不适定性 |
4.1.3 求解不适定问题的基本思路 |
4.1.4 正则算子 |
4.1.5 Tikhonov 正则化 |
4.1.6 Hilbert 空间下的 Tikhonov 泛函 |
4.2 基于 Tikhonov 正则化的盲多用户检测 |
4.2.1 DS-CDMA 系统模型 |
4.2.2 基于 Tikhonov 正则化的算法 |
4.2.3 一般形式的正则化盲多用户检测 |
4.3 基于协方差矩阵锥化的正则化盲多用户检测 |
4.4 本章小结 |
第五章 Tikhonov 正则化盲多用户检测的性能分析 |
5.1 理论性能分析 |
5.1.1 干扰用户功率相等的等相关信号 |
5.1.2 理想功率控制的等相关信号 |
5.1.3 理想功率控制的正交信号 |
5.2 模拟实例 |
5.3 仿真分析 |
5.4 本章小结 |
第六章 基于独立分量分析的盲多用户检测 |
6.1 独立分量分析基本理论 |
6.1.1 ICA 的数学模型 |
6.1.2 ICA 的可辨识性和不确定性 |
6.1.3 ICA 的非高斯性测度 |
6.1.4 ICA 的预处理 |
6.2 基于负熵的 FastICA 算法的盲多用户检测 |
6.3 正则化 ICA 盲多用户检测 |
6.4 仿真分析 |
6.5 本章小结 |
第七章 总结与展望 |
7.1 本文的主要创新点 |
7.2 进一步的研究方向 |
致谢 |
参考文献 |
攻读博士期间的研究成果 |
(4)改进的ICA算法在盲多用户检测中的应用研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究目的和意义 |
1.2 多用户检测研究现状和发展趋势 |
1.3 本论文的主要研究内容 |
第2章 多用户检测技术 |
2.1 扩频通信 |
2.2 DS-CDMA系统模型 |
2.2.1 同步DS-CDMA系统模型 |
2.2.2 异步DS-CDMA系统模型 |
2.2.3 多径衰落DS-CDMA系统模型 |
2.3 多用户检测 |
2.3.1 多用户检测分类 |
2.3.2 性能测度 |
2.4 传统盲多用户检测算法仿真研究与性能分析 |
2.4.1 输出能量最小的盲多用户检测算法仿真研究 |
2.4.2 恒模盲多用户检测算法仿真研究 |
2.5 本章小结 |
第3章 独立分量分析 |
3.1 盲信号分离理论 |
3.2 独立分量分析模型 |
3.3 独立分量分析算法原理 |
3.3.1 数据预处理 |
3.3.2 常用目标函数 |
3.3.3 优化算法 |
3.3.4 算法性能评价指标 |
3.4 ICA算法性能仿真对比及分析 |
3.5 本章小结 |
第4章 CPSO-ICA盲多用户检测算法 |
4.1 CDMA模型与ICA模型的联系 |
4.2 混沌理论 |
4.2.1 混沌的定义及特征 |
4.2.2 典型的混沌系统 |
4.3 粒子群(PSO)算法 |
4.4 CPSO-ICA算法 |
4.4.1 白化的改进 |
4.4.2 适度函数的确定 |
4.4.3 CPSO算法 |
4.4.4 CPSO-ICA盲多用户检测算法的实现 |
4.5 仿真结果与分析 |
4.6 本章小结 |
第5章 CPSO-KICA盲多用户检测算法 |
5.1 核独立分量分析 |
5.1.1 核函数 |
5.1.2 主分量分析(PCA) |
5.1.3 核独立分量分析(KICA) |
5.2 基于组合核函数的CPSO-KICA算法 |
5.2.1 组合核函数的引入 |
5.2.2 CPSO-KICA盲多用户检测算法的实现 |
5.3 仿真结果与分析 |
5.4 本章小结 |
第6章 结论与展望 |
6.1 本文工作总结 |
6.2 未来工作展望 |
参考文献 |
致谢 |
作者攻读硕士学位期间发表的论文及获奖情况 |
(5)基于智能计算方法的多用户检测算法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 引言 |
1.2 课题研究背景及意义 |
1.2.1 CDMA 系统概述 |
1.2.2 多用户检测研究的必要性 |
1.2.3 多用户检测的发展 |
1.3 智能计算方法 |
1.4 论文结构及内容安排 |
第2章 DS-CDMA 通信系统中的多用户检测 |
2.1 扩频通信 |
2.2 DS-CDMA 通信系统 |
2.3 多用户检测的数学模型 |
2.3.1 离散时间同步模型 |
2.3.2 离散时间异步模型 |
2.4 多用户检测的性能测度 |
2.4.1 误码率 |
2.4.2 渐进多用户有效性 |
2.4.3 抗远近效应能力 |
2.5 几种常见的多用户检测器 |
2.5.1 传统检测器 |
2.5.2 最优多用户检测器 |
2.5.3 解相关多用户检测器 |
2.5.4 最小均方误差多用户检测器 |
2.5.5 干扰抵消多用户检测器 |
2.6 本章小结 |
第3章 改进的自适应克隆选择算法在多用户检测中的应用 |
3.1 克隆选择原理介绍 |
3.2 克隆选择算法 |
3.2.1 克隆选择算法模型 |
3.2.2 克隆选择算法的主要操作 |
3.2.3 克隆选择算法的实现 |
3.2.4 克隆选择算法的优点 |
3.3 改进的自适应克隆选择算法 |
3.3.1 克隆选择算法的改进 |
3.3.2 改进的自适应克隆选择算法的实现 |
3.4 基于改进的自适应克隆选择算法的多用户检测器 |
3.5 仿真分析 |
3.5.1 误码率分析 |
3.5.2 收敛速度分析 |
3.5.3 抗远近效应能力分析 |
3.5.4 系统容量分析 |
3.6 本章小结 |
第4章 改进的概率克隆选择微粒群算法在多用户检测中的应用 |
4.1 微粒群算法 |
4.1.1 微粒群算法模型 |
4.1.2 微粒群算法的实现 |
4.1.3 微粒群算法的优缺点 |
4.1.4 离散二进制微粒群算法 |
4.2 改进的概率克隆选择微粒群算法 |
4.2.1 概率克隆选择微粒群算法 |
4.2.2 概率克隆选择微粒群算法的改进 |
4.2.3 改进的概率克隆选择微粒群算法的实现 |
4.3 基于改进的概率克隆选择微粒群算法的多用户检测器 |
4.4 仿真分析 |
4.4.1 误码率分析 |
4.4.2 收敛速度分析 |
4.4.3 抗远近效应能力分析 |
4.4.4 系统容量分析 |
4.5 本章小结 |
第5章 基于贪婪策略的克隆选择混合蛙跳算法在多用户检测中的应用 |
5.1 混合蛙跳算法 |
5.1.1 混合蛙跳算法原理 |
5.1.2 混合蛙跳算法的实现 |
5.1.3 混合蛙跳算法的优缺点 |
5.1.4 离散混合蛙跳算法 |
5.2 贪婪算法 |
5.3 基于贪婪策略的克隆选择混合蛙跳算法 |
5.4 基于贪婪策略克隆选择混合蛙跳算法的多用户检测器 |
5.5 仿真分析 |
5.5.1 误码率分析 |
5.5.2 收敛速度分析 |
5.5.3 抗远近效应能力分析 |
5.5.4 系统容量分析 |
5.6 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间承担的科研任务与主要成果 |
致谢 |
作者简介 |
(6)WCDMA移动通信系统中盲多用户检测算法的研究(论文提纲范文)
摘要 |
ABSTRACT |
目录 |
第一章 绪论 |
1.1 研究背景 |
1.2 多用户检测技术的发展 |
1.3 ICA技术简介和在WCDMA中的应用 |
1.4 本文主要研究内容 |
1.5 本章小结 |
第二章 WCDMA系统中的多用户检测 |
2.1 WCDMA系统扩频通信 |
2.2 WCDMA系统传播环境 |
2.3 WCDMA系统中的多用户检测技术 |
2.4 本章小结 |
第三章 针对MAI的盲多用户检测算法 |
3.1 WCDMA系统中的MAI |
3.2 线性盲检测滤波器 |
3.3 MOE准则的RLS盲检测滤波器 |
3.4 Kalman盲检测滤波器 |
3.5 针对MAI盲检测滤波器的验证 |
3.6 本章小结 |
第四章 MUI干扰检测器 |
4.1 WCDMA系统中的MUI |
4.2 多天线场景下的独立增量分析法 |
4.3 WCDMA系统中使用ICA的盲多用户分离 |
4.4 算法仿真性能分析 |
4.5 本章小结 |
第五章 WCDMA系统中盲多用户滤波器整体设计和性能分析 |
5.1 系统场景参数说明 |
5.2 平均滤波器设计和性能分析 |
5.3 干扰消除滤波器性能分析 |
5.4 本章小结 |
第六章 总结和展望 |
致谢 |
参考文献 |
(7)基于独立分量分析的盲多用户检测算法的研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究目的和意义 |
1.2 多用户检测研究现状和发展趋势 |
1.3 本论文的主要研究内容 |
第2章 多用户检测技术 |
2.1 扩频和码分多址系统 |
2.1.1 扩频通信原理 |
2.1.2 DS-CDMA信号及系统模型 |
2.2 多用户检测 |
2.2.1 基本概念 |
2.2.2 多用户检测分类 |
2.2.3 性能测度 |
2.3 传统盲多用户检测算法仿真与性能分析 |
2.4 本章小结 |
第3章 独立分量分析 |
3.1 独立分量分析原理 |
3.1.1 ICA模型 |
3.1.2 独立性的度量 |
3.2 独立分量的求解分析 |
3.2.1 信号预处理 |
3.2.2 优化算法 |
3.2.3 算法性能评价指标 |
3.3 ICA算法性能仿真及分析 |
3.4 本章小结 |
第4章 改进的噪声ICA盲多用户检测算法 |
4.1 CDMA信号与ICA模型的联系 |
4.2 基于FastICA的盲多用户检测 |
4.3 改进的噪声ICA算法 |
4.3.1 高斯矩函数的引入 |
4.3.2 白化处理过程的改进 |
4.3.3 盲多用户检测算法的实现 |
4.4 仿真结果与分析 |
4.5 本章小结 |
第5章 基于改进的KICA盲多用户检测算法 |
5.1 核独立分量分析 |
5.1.1 核函数 |
5.1.2 主分量分析 |
5.1.3 KICA特征提取 |
5.2 基于KICA处理的盲多用户检测 |
5.3 基于组合核函数的改进KICA算法 |
5.3.1 组合核函数的引入 |
5.3.2 改进KICA盲多用户检测算法的实现 |
5.4 仿真结果与分析 |
5.5 本章小结 |
第6章 结论与展望 |
6.1 本文工作总结 |
6.2 未来工作展望 |
参考文献 |
致谢 |
作者攻读硕士学位期间发表的论文及获奖情况 |
(8)自适应盲源分离与盲多用户检测算法研究(论文提纲范文)
摘要 |
Abstract |
图目录 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 盲信号处理分类和应用 |
1.2.1 盲信号处理的分类 |
1.2.2 盲源分离的分类 |
1.2.3 盲信号处理的应用 |
1.3 盲信号处理发展历史和现状 |
1.3.1 盲源分离的发展历史和现状 |
1.3.2 盲多用户检测的发展历史和现状 |
1.4 本文主要研究内容及章节安排 |
第二章 盲信号处理 |
2.1 盲源分离技术 |
2.1.1 盲源分离问题描述 |
2.1.2 可分离性 |
2.1.3 盲源分离的目标函数 |
2.1.4 峭度 |
2.1.5 信号的预处理 |
2.1.6 性能评价指标 |
2.2 DS-CDMA 信号盲多用户检测 |
2.2.1 CDMA 通信系统 |
2.2.2 同步DS-CDMA 系统模型 |
2.2.3 盲多用户检测 |
2.2.4 多用户检测器的分类 |
2.3 本章小结 |
第三章 自适应变步长盲源分离算法 |
3.1 引言 |
3.2 经典自适应盲源分离算法 |
3.2.1 自然梯度盲源分离算法 |
3.2.2 EASI 盲源分离算法 |
3.2.3 其他自适应盲源分离算法及算法总结 |
3.2.4 仿真实验与分析 |
3.3 变步长自适应盲源分离算法 |
3.3.1 变步长算法分类 |
3.3.2 基于性能指标PI 的变步长EASI 算法 |
3.3.3 仿真实验与分析 |
3.4 小结 |
第四章 DS-CDMA 系统盲多用户检测 |
4.1 引言 |
4.2 常见盲多用户检测算法 |
4.2.1 盲多用户检测基本理论 |
4.2.2 最小输出能量(MOE)盲多用户检测 |
4.2.3 恒模(CMA)盲多用户检测 |
4.2.4 kalman 滤波盲多用户检测 |
4.3 基于盲源分离的盲多用户检测 |
4.3.1 DS-CDMA 系统和BSS 系统模型分析 |
4.3.2 基于EASI 算法的信息码盲估计 |
4.3.3 扩频序列盲估计 |
4.3.4 仿真实验与分析 |
4.4 基于MUSIC 算法的盲多用户检测 |
4.4.1 子空间分解 |
4.4.2 盲多用户检测 |
4.4.3 待检测用户功率估计 |
4.4.4 仿真实验与分析 |
4.5 小结 |
第五章 总结与展望 |
5.1 本文工作总结 |
5.2 进一步研究展望 |
致谢 |
参考文献 |
附录 硕士研究生期间研究成果及参与项目 |
(9)CDMA通信系统多用户检测研究(论文提纲范文)
中文摘要 |
英文摘要 |
1 绪论 |
1.1 问题的提出及研究意义 |
1.2 国内外研究现状 |
1.3 本文研究目的和研究内容 |
2 CDMA 系统多用户检测技术 |
2.1 引言 |
2.2 CDMA 系统模型 |
2.2.1 离散时间同步模型 |
2.2.2 离散时间非同步模型 |
2.3 性能测度 |
2.4 传统多用户检测方法 |
2.4.1 常规检测器 |
2.4.2 解相关检测器 |
2.4.3 线性最小均方误差检测器 |
2.4.4 判决反馈检测器 |
2.5 盲自适应多用户检测方法 |
2.5.1 约束最优检测 |
2.5.2 基于线性预测检测 |
2.5.3 基于子空间分解检测 |
2.6 本章小结 |
3 基于子空间分解的多用户检测 |
3.1 引言 |
3.2 基于信号子空间的盲多用户检测技术 |
3.2.1 信号模型 |
3.2.2 信号子空间概念 |
3.2.3 基于信号子空间的盲自适应检测 |
3.2.4 基于信号子空间的线性MMSE 盲自适应多用户检测 |
3.3 PAST 和PASTd 算法 |
3.3.1 投影近似子空间跟踪算法(PAST) |
3.3.2 基于压缩技术的PAST 算法(PASTd) |
3.4 基于NewPASTd 的多用户检测算法 |
3.4.1 NewPASTd 算法简介 |
3.4.2 基于NewPASTd 算法的多用户检测 |
3.4.3 性能仿真 |
3.5 基于FSYAST 算法的多用户检测 |
3.5.1 FSYAST 算法 |
3.5.2 基于FSYAST 算法的MMSE 多用户检测 |
3.5.3 性能仿真 |
3.6 本章小结 |
4 基于干扰子空间的盲多用户检测 |
4.1 引言 |
4.2 基于干扰子空间的线性MMSE 盲自适应多用户检测 |
4.2.1 干扰子空间概念 |
4.2.2 基于干扰子空间的线性MMSE 盲自适应多用户检测 |
4.3 基于NIC 的干扰子空间跟踪算法 |
4.3.1 基于NIC 的特征向量矩阵跟踪算法 |
4.3.2 主特征值对角矩阵跟踪算法 |
4.3.3 干扰子空间秩跟踪算法 |
4.3.4 性能仿真 |
4.4 改进的干扰子空间线性MMSE 盲自适应多用户检测 |
4.4.1 基于干扰子空间的盲自适应多用户检测存在的问题 |
4.4.2 改进的盲自适应多用户检测权矢量 |
4.4.3 基于FAPI 的自适应跟踪算法 |
4.4.4 性能仿真 |
4.5 本章小结 |
5 空时多用户检测 |
5.1 引言 |
5.2 空时信道模型 |
5.2.1 多径衰落 |
5.2.2 阵列响应矢量 |
5.2.3 空时信道模型 |
5.3 CDMA 空时信号模型 |
5.3.1 单径同步CDMA 空时信号模型 |
5.3.2 非同步多径CDMA 信号模型 |
5.4 单径情况下空时多用户检测 |
5.4.1 空时多用户检测接收机结构 |
5.4.2 空时多用户检测算法 |
5.4.3 性能仿真 |
5.5 非同步多径情况下线性空时多用户检测 |
5.5.1 信道已知空时多用户检测 |
5.5.2 基于SAGE 算法的空时多用户检测 |
5.5.3 性能仿真 |
5.6 基于子空间分解的盲空时多用户检测 |
5.6.1 基于子空间的盲空时MMSE 多用户检测算法 |
5.6.2 多径信道的盲估计 |
5.6.3 自适应跟踪算法 |
5.6.4 性能仿真 |
5.7 本章小结 |
6 结论与展望 |
6.1 研究结论 |
6.2 后续研究工作展望 |
致谢 |
参考文献 |
附录 |
(10)DSCDMA通信系统中盲多用户检测相关算法的研究(论文提纲范文)
内容提要 |
第1章 绪论 |
1.1 引言 |
1.2 课题背景和研究意义 |
1.3 多用户检测技术的发展历史和研究现状 |
1.4 本论文的研究内容和组织结构 |
第2章 多用户检测技术的基本理论 |
2.1 DS_CDMA 通信系统模型 |
2.1.1 同步高斯信道DS_CDMA 系统数学模型 |
2.1.2 异步高斯信道DS_CDMA 系统数学模型 |
2.1.3 多径衰落信道DS_CDMA 系统数学模型 |
2.2 多用户检测的基本原理 |
2.2.1 多用户干扰问题产生的原因 |
2.2.2 多用户检测的基本思想 |
2.2.3 多用户检测器的性能测度 |
2.3 多用户检测器的基本分类 |
2.3.1 最优多用户检测理论 |
2.3.2 线性多用户检测的基本方法 |
2.3.3 非线性多用户检测的基本方法 |
2.3.4 盲多用户检测的基本理论与方法 |
2.4 本章小结 |
第3章 基于子空间的自适应盲多用户检测 |
3.1 盲多用户检测的基本理论 |
3.2 信号子空间处理方法的基本原理 |
3.3 基于子空间实时跟踪算法的盲多用户检测 |
3.3.1 信号子空间秩估计方法 |
3.3.2 常见的几种子空间跟踪算法 |
3.3.3 改进后的压缩投影逼近子空间跟踪算法 |
3.4 实验仿真与结果分析 |
3.4.1 子空间跟踪算法模块的仿真 |
3.4.2 基于子空间跟踪算法的盲多用户检测器性能仿真 |
3.5 本章小结 |
第4章 CMOE 准则下的盲多用户检测算法 |
4.1 盲多用户检测的信道模型 |
4.2 盲多用户检测的两种典范表示方法 |
4.3 自适应盲多用户检测遵循的CMOE 准则 |
4.4 基于CMOE 准则的LMS 盲多用户检测算法 |
4.4.1 自适应LMS 盲多用户检测 |
4.4.2 解相关变步长LMS 盲多用户检测 |
4.5 基于CMOE 准则的RLS 盲多用户检测算法 |
4.6 实验仿真与结果分析 |
4.7 本章小结 |
第5章 基于 Kalman 滤波的盲多用户检测 |
5.1 Kalman 滤波问题原理及算法描述 |
5.2 基于Kalman 滤波的盲自适应多用户检测算法 |
5.3 基于改进后的子空间Kalman 滤波盲多用户检测算法 |
5.4 实验仿真与结果分析 |
5.4.1 三种自适应盲多用户检测算法的性能比较 |
5.4.2 子空间Kalman 盲多用户检测算法的性能分析 |
5.5 本章小结 |
第6章 全文总结与展望 |
参考文献 |
致谢 |
导师及作者简介 |
摘要 |
Abstract |
四、ADAPTIVE STEP-SIZE CONSTANT MODULUS ALGORITHM FOR BLIND MULTIUSER DETECTION IN DS-CDMA SYSTEMS(论文参考文献)
- [1]非合作通信系统中盲源分离及关键算法研究[D]. 崔伟. 吉林大学, 2021(01)
- [2]直接序列扩频码分多址系统多用户检测算法研究[D]. 高维廷. 西北工业大学, 2015(07)
- [3]DS-CDMA盲多用户检测新技术研究[D]. 胡莉. 西安电子科技大学, 2013(10)
- [4]改进的ICA算法在盲多用户检测中的应用研究[D]. 冯大伟. 东北大学, 2012(05)
- [5]基于智能计算方法的多用户检测算法研究[D]. 郝红杰. 燕山大学, 2012(08)
- [6]WCDMA移动通信系统中盲多用户检测算法的研究[D]. 任坤. 长春理工大学, 2012(02)
- [7]基于独立分量分析的盲多用户检测算法的研究[D]. 韩盈. 东北大学, 2011(07)
- [8]自适应盲源分离与盲多用户检测算法研究[D]. 侯瑞玲. 重庆邮电大学, 2011(08)
- [9]CDMA通信系统多用户检测研究[D]. 张俊林. 重庆大学, 2010(01)
- [10]DSCDMA通信系统中盲多用户检测相关算法的研究[D]. 王振. 吉林大学, 2009(09)