（信号与信息处理专业论文）基于小波神经网络多用户检测算法的研究.pdf

太原理工大学硕士研究生学位论文 基于小波神经网络多用户检测算法的研究 摘要 多址干扰是影响c d m a 通信系统容量的主要因素，而多用户检 测能够充分利用造成多址干扰的所有用户信号信息对期望用户信号进 行联合检测，不仅可以提高系统容量，还可以解决远近效应闯题，具 有优良的抗干扰性能。目前大多数多用户检测算法存在着算法复杂、 收敛速度慢等缺点。近年来，人工神经网络作为一种新兴的优化方法， 具有运算速度快、并行处理能力强等优点，得到广泛的应用。将神经 网络与多用户检测相结合成为研究的热点课题。因此，本文对基于小 波神经网络的多用户检测算法进行了分析研究。 本文的主要工作如下： 1 介绍了多用户检测技术的研究意义及现状，分析和总结了现 有的主要算法，提出了今后进一步研究的方向。 2 在分析小波神经网络理论的基础上，将小波神经网络与多用 户检测相结合，提出了基于小波神经网络的多用户检测算法，针对传 统前馈神经网络多用户检测算法收敛时间长、误码率高等不足，分别 研究了基于b p 算法的小波神经网络多用户检测和基于改进型b p 算法 小波神经网络多用户检测。仿真结果表明，两种算法误码率、信干比 太原理工大学硕士研究生学位论文 性能都优于传统前馈神经网络多用户检测算法，且收敛速度明显提高。 3 阐述了恒模原理，将恒模算法应用到小波神经网络中，构造 出新的代价函数，分别研究了基于恒模算法和加约束条件的恒模算法 小波神经网络多用户检测。仿真表明，这两种算法在误码率、抗远近 效应能力方面明显优于同类算法。 关键字：多用户检测，小波变换，小波神经网络，恒模算法 太原理工大学硕士研究生学位论文 1 h er e s e a r c ho fm u 【t i u s e r d e t e c t i o nb s a s e do n 硝：、，e l e t n e i i a i ，n e t w o r k a b s t r a c t m u l t i p l ea c c e s si n t e r f e r e n c e s 删) i st h em a i nf a c t o ra f f e c t e dt h e s y s t e mc a p a c i t yo ft h ec d m ac o m m u n i c a t i o ns y s t e m b u tt h em u l t i - u s e r d e t e c t i o n ( m u d ) c a nm a k ef u l l y u s eo fa l lu s e r s s i g n a li n f o r m a t i o n r e s u l t i n gi nm a i a n dh a v et h ea i m e du s e rt oc o m b i n e dd e t e c t , t h e r e f o r e ，i t n o to n l yr a i s e st h ec a p a c i t yo ft h es y s t e m ，b u ta l s ow o r ko u tan e a r - f a r e f f e c t p r o b l e m ，t h u s i th a s g o o d a n t i i n t e r f e r e n c e p e r f o r m a n c e s n o w a d a y s ，al o to fm u l t i u s e rd e t e c t i o na l g o r i t h m sh o l df l a w ss u c ha s s o p h i s t i c a t e da l g o r i t h m ，l o ws p e e do fc o n v e r g e n c ea n ds oo n a so n ek i n d o fn e wo p t i m i z a t i o nm e t h o d ，t h ea r t i f i c i a ln e u r a ln e t w o r k sa r ea l r e a d y a p p l i e db r o a d l y i nr e c e n ty e a r s ，t h em u dc o m b i n em e r i t so fn e u r a l n e t w o r ks u c ha sq u i c k l ys p e e d ，s t r o n g e rp r o c e s s i n ge t e ，b e c o m e sa r e s e a r c hf o c u s a c c o r d i n gt ot h i s ，a l g o r i t h m so f t h em u db a s e do nw a v e l e t n e u r a ln e t w o r ka r ea n a l y t i c a l l yd i s c u s s e di nt h ep a p e r t h em a j o rw o r k so f t h i sp a p e ra r es u m m a r i z e da sf o l l o w ： i i i 太原理工大学硕士研究生学位论文 1 i n t r o d u c e d r e s e a r c hm u l t i - u s e rd e t e c t i o nt e c h n i c a lm e a n i n ga n d p r e s e n tc o n d i t i o n , a n da st op e r f o r m a n c e ，c h a r a c t e r i s t i c sa n dd r a w b a c ko f t h ee x i s t e dm a i na l g o r i t h m sa r es u m m a r i z e da n dc l a s s i f i e d t h ef u t u r e d e v e l o p m e n to f m u d i sd i s c u s s e da tt h ee n d 。 2 i na n a l y s i sw a v e l e tn e u r a ln e t w o r kt h e o r yf o u n d a t i o n ，c o m b i n e w a v e l e tn e u r a ln e t w o r ka n dm u l t i u s e rd e t e c t i o n ，t h e np u tf o r w a r da n d d i s c u s s e dm ii db a s e do nw a v e l e tn e u r a ln e t w o r k b e c a u s eo fc u r r e n t a l g o r i t h m so f t r a d i t i o n a ln e u r a ln e t w o r kb e h a v e d t h ed e f e c t ss u c ha sl o n g e r c o n v e r g e n c et i m e 、h i g h e rb i te r r o rr a t ea n ds oo n ，t h i sp a p e rd i s c u s s e d w a v e l e tn e u r a lm u d a l g o r i t h m sb a s e do nb a c k - p r o p a g a t i o n ( b p ) a n di t s i m p r o v e df o r m s s t i m u l a t i o ns h o w st h a tt h ep r o p o s e dm e t h o d sa r em o r e s u p e r i o rt oc o n v e n t i o n a ln e u r a ln e t w o r km u da l g o r i t h m si nb i te r r o rr a t e a n d c o n v e r g e n c es p e e d 3 e l a b o r a t e dc o n s t a n tm o d u l u sa l g o r i t h m ( c m a ) p r i n c i p l e ，a n d i n t e g r a t ec m a i n t ow a v e l e tn e u r a ln e t w o r k , c o n s t r u c tan e wc o s tf u n c t i o n ， t h e nd i s c u s sw a v e l e tn e u r a ln e t w o r km u db a s e do nc m aa n dc o n s t r a i n t c m a s t i m u l a t i o ni n d i c a t e st h a tt h ee f f e c t i v e n e s so f t h ep r o p o s e da p p r o a c h i sm o r es u p e r i o r i t yt op r e s e n ta l g o r i t h m s k e yw o r d s ：m u d ，w a v e l e tt r a n s f o r m ，w a v e l e tn e u r a ln e t w o r k ，c m a i v 声明 本人郑重声明：所呈交的学位论文。是本人在指导教师的指导下， 独立进行研究所取得的成果。除文中已经注明引用的内容外，本论文 不包含其他个人或集体已经发表或撰写过的科研成果。对本文的研究 做出重要贡献的个人和集体。均已在文中以明确方式标明。本声明的 法律责任由本人承担。 论文作者签名：e t 其i i ：妇7 ：坦童 关于学位论文使用权的说明 本人完全了解太原理工大学有关保管、使用学位论文的规定，其 中包括：学校有权保管、并向有关部门送交学位论文的原件与复印 件；学校可以采用影印、缩印或其它复制手段复制并保存学位论文； 学校可允许学位论文被查阅或借阅；学校可以学术交流为目的， 复制赠送和交换学位论文；学校可以公布学位论文的全部或部分内 容( 保密学位论文在解密后遵守此规定) o 签名： 导师签名：日期：之翌! ：生曼盘 太原理工大学硕士研究生学位论文 第一章绪论 1 1 第三代移动通信及关键技术 1 i 1 第三代移动通信系统概述 随着公众移动通信和个人数据业务的迅猛发展，现有的通信网络g s m 和i s 9 5 通信系统已很难满足发展的要求，主要体现在系统容量方面。因而新一代移动通 信系统，即第三代移动通信( 1 1 l i r dg e n e r a t i o n ，简称3 g ) 被提上了议事日程。自 1 9 8 5 年起国际电信联盟( r r u ) 陆续提出未来陆地移动通信系统( f p l m t s ) ，后 改为国际移动通信2 0 0 0 ( i m t - 2 0 0 0 ) 系统标准要求f 1 】：新一代移动通信系统应具 有很好的网络兼容性：提供综合性业务；提供高服务质量和安全性。根据i t u 的 标准，世界各大电信公司联盟相继提出了各自的第三代移动通信系统方案，包括 有美国提出的c d m a 2 0 0 0 、日本和欧洲提出的w - c d m a 、西门子提出的t d c d m a 以及我国提出的拥有自主知识产权的t d s c d m a 。在第三代移动通信系统中，码 分多址( c o d ed i v i s i o nm u l t i p l ea c c e s s ，简称c d m a ) 系统因其通信容量大、越区 切换平滑、良好的通信安全性等一系列优点而备受青睐并达成共识，成为新一代 通信中最具竞争力、最具发展前景的无线多址接入方式。 与第一代和第二代移动通信系统相比，第三代移动通信系统在性能上有了很 大的提高，基本特点为【1 】： ( 1 ) 全球无缝覆盖，支持全球漫游； ( 2 ) 广泛的多媒体业务能力； ( 3 ) 高频谱效率，高服务质量，高保密性，低成本等。 第三代移动通信系统是一个相当复杂的系统，它采用了多种新技术，主要包 括初始同步技术、多径分集接收技术、高效信道编译码技术、智能天线技术、多 用户检测技术、功率控制技术、软件无线电技术、多载波技术等1 2 1 ，而它们之问 又是相辅相成、互相补充的，均是当前通信研究的热点课胚。 太原理工大学硕士研究生学位论文 ( 1 ) 初始同步：包括扩频伪随机码同步、帧同步、码元同步和扰码同步。 ( 2 ) 多径分集接收技术：在不增加发射机功率或信道带宽的情况下，研究如 何充分利用传输中的多径信号能量，改善传输的可靠性。 ( 3 ) 高效信道编译码技术：信道编码译码技术是第三代移动通信的核心技术 之一。近年来提出的空时码就是能够有效提高无线频谱利用率的重要方案之一， 并可以得到更高的通信质量，以最终实现系统容量的扩大。在空时码的研究中， 主要有分层空时码( l s t ) 和基于发射分集空时码。 ( 4 ) 智能天线技术：所谓智能天线技术就是雷达系统自适应天线阵列技术在 通信系统中的新应用。它是基于自适应天线和高分辨阵列处理。高分辨阵列处理 的目的是获得空间信号参数( 主要是信号到达方向) ，自适应天线则完成窄波束的 形成。 5 ) 多用户检测技术：多用户检测技术是在传统检测技术的基础上，充分利 用包括造成多址干扰( m u l f i p l e - a o g e s si n t e r f e r e n c e ，简称m a i ) 的干扰用户信号信 息，对多用户做联合检测或从接收信号中减掉相互间干扰的方法，来有效抑制甚 至消除m a i 的影响，从而达到更准确检测期望用户信息的目的，并同时检测出所 有用户或某些特定用户信息的一种信号检测方法。 ( 6 ) 功率控制技术：c d m a 蜂窝移动通信中，假设所有的用户发射功率相同， 由于用户离基站的远近不同，造成各用户的功率强弱不一，强功率信号有可能湮 没弱信号，而产生所谓的“远近”效应。为了克服远近效应问题提出了功率控制技 术，使得每个用户到达基站的功率相同。 1 2 多用户检测技术的意义及现状 1 2 1 多用户检测技术的研究意义 作为第三代移动通信系统的多址接入方式，c d m a 是建立在正交编码、相关 接收的理论基础上，运用扩频技术解决无线通信中的选址问题，它是利用自相关 性强而互相关性弱的码序列作为地址码，但实际c d m a 通信系统中很难做到扩频 码完全正交，不可避免地产生多址干扰。多址干扰的存在带来两个主要的问题： 2 太原理工大学硕士研究生学位论文 ( 1 ) 系统容量受到限制。 ( 2 ) “远近”效应严重影响系统性能。由于各用户到基站的距离或衰落深度不 同，强信号将抑制弱信号，使碍相对较弱的用户信号得不到正常的检测，甚至期 望用户也可能淹没在干扰信号当中。 因此，如何有效地消除多址干扰的影响成为c d m a 系统研究的重点之一。传 统的消除多址干扰的方法主要有：设计正交性能优良的正交码，采用功率控制， 采用r a k e 接收机，采用前向差错编码( f o r w a r de r r o rc o d i n g ，简称f e c ) 等等。 但是这些方法并未考虑多址干扰的先验信息，只是消极地把多址干扰当作噪声来 处理，只能在一定程度减弱面不能从根本上消除多址干扰的影响。实际上，多址 干扰本质上并非纯粹的噪声，而是有着确定结构特征的伪随机信号，且不同用户 扩频波形间的相关函数都是可以预先得到信息，因此从理论上来看，完全可以利 用这些已知信息( 如扩频码、时延、振幅和相位等) 来进一步消除多址干扰的影 响，从而提高系统容量，改善系统性能1 3 j 。 多用户检测提出的基本思想【4 5 1 ： ( 1 ) 基于信息论中的最优信号检测理论，寻求蜂窝式码分多址的多用户最优 联合检测理论。 ( 2 ) 充分利用扩频码的已知结构信息，各用户间与各条路径间的相关函数是 己知的。因此从理论上看，完全有可能利用这些伪随机序列的已知结构信息和统 计信息，来进一步消除它所带来的负面影响，以达到满足系统性能的要求。 ( 3 ) 多径干扰和多址干扰其实质是一样的，都是来源于伪随机序列，利用其 所己知的先验信息，来消除多径干扰和多址干扰，同时也就消除和削弱了远近效 应。 ( 4 ) 最优联合检测方案是可行的。在对多个用户的匹配滤波器接收的基础上， 进行多用户联合检测，理论上是完全可行的。 多用户检测是综合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，从而准确地检测出期望用户或某些特定用户信息一种信号检 测方法。多用户检测技术是最新发展起来的一项旨在消除c d m a 系统中的多址干 3 太原理工大学硕士研究生学位论文 扰，是第三代移动通信中抗干扰的关键技术之一，能有效地解决3 g 中所关注的系 统容量问题。目前，商用上主要采用功率控制技术来抑制多址干扰，但功率控制 只能减弱多址干扰的影响，而不能从根本上消除。多用户检测技术是在传统检测 技术的基础上，利用所有用户信号信息( 如扩频码字、组成结构及与目标信号的 关系) 对多用户做联合检测，可有效地消除多址干扰和“远近”效应问题。特别是 从2 0 0 0 年之后，第三代移动通信系统在实现方面得到了迅猛的发展，多用户检测 技术作为t d s c d m a 、c d m a 2 0 0 0 、w c d m a 的增强性技术之一，愈来愈受到学术 界、产业界的重视。 1 2 2 多用户检测的算法研究及现状 1 9 7 9 年，k s s c h n e r 6 l 提出了多用户检测思想，利用其它用户的已知信息消除 多址干扰，并就发展方向作了一些研究，这是多用户检测的最早文献。1 9 8 6 年， 美国学者s v e r d u u 首先提出利用已知扩频码的结构信息来克服多个用户之间干扰 的多用户检测理论与方案。它是在加性高斯白噪声信道( a w g n ) 下的最优多用 户检测。接收机最优结构为匹配滤波器加上维特比( v i t e r b i ) 检测算法，即最大似 然序列检测( m l s d ) 。仿真结果表明，该算法能实现与单个用户接收时几乎完全 一样的性能。但实现上述算法的运算量随着用户数量成指数增长，即复杂度为 0 1 2 ) ，所以最优多用户检测是一个n p 完全问题。且实现m l s d 算法需要知道所 有用户的扩频码信号幅度、相位和多径时延。因此，最优m l s d 算法的多用户检 测器在实际中是难以实现的，它仅具有理论意义和实际实现时的理论标准。所以 在性能和复杂度之间进行折衷，次最优多用户检测算法成为研究的重点。后来又 提出了解相关检测和基于最小均方误差的检测，以及基于上述方法的一些改进算 法。针对多用户检测技术存在的问题和局限性，人们对其进行许多的研究，提出 了半盲【s 9 】和盲检测技术，或基于此与一些组合优化算法相结合，如与遗传算法 ( g a ) 1 0 1 、模拟退火算法( s a ) 1 1 1 1 和常模算法( c m a ，亦称为恒模算法) 1 1 2 等； 或与新技术相互结合，如与子空间技术相结合0 3 - 1 5 】，与天线阵列相结合“6 1 ，与r a k e 接收机相结合【1 7 1 ，与功率控制的最优联合“g 】，与多载波技术相结刽1 9 1 等。不论与 4 太原理工大学硕士研究生学位论文 何种算法、何种技术结合，都在计算复杂度和收敛速度、性能上以牺牲一方换取 另一方为代价的。 目前提出的次最优多用户检测算法总体上可分为线性多用户检测算法和非线 性多用户检测算法二大类。 1 线性多用户检测算法 线性多用户检测算法就是寻找一个线性变换将充分统计量映射到多用户检测 的符号序列集。在判决之前对相关器的输出矩阵进行线性变换，然后再对输出序 列进行判决，其复杂度与用户数成线性关系。包括解相关线性检测算法 2 0 l 、最小 均方误差( m m s e ) 检测算法【2 、自适应检测算法和多项式展开检测算法圈等。 ( 1 ) 解相关多用户检测算法 解相关线性多用户检测器实际上是建立于最大最小准则基础之上，在用户干 扰功率未知的情况下，保证接收机在最坏情况下的最佳性能而提出的。解相关线 性多用户检测器就是将所有用户的扩频波形之间的线性相关解除，进而使得不同 用户之间的扩频波形实现正交，以达到抑制多址干扰的目的。线性算子l = r 一， 所以判决矢量为z = r 。y = a b + r n 。解相关线性多用户检测器可以完全消除了 m a i ，但z 中噪声分量的协方差矩阵为( o 彳) r 一，第k 个用户的误码率为 厂、 妒k d 赢j 1 ) 式中，( r - 1 ) n 为r - 1 的第七行七列元素，大于l 。所以，解相关线性多用户检测消 除多址干扰是以增大噪声为代价的。它的优点：具有最佳的抗远近能力；无需估 计接收信号的幅值或相位；误码率与干扰用户功率无关等等，与m l s d 相比，计 算复杂度大大降低，可以完全消除多址干扰。但该算法只考虑了多址干扰，没有 涉及信道中的白噪声，多址干扰的消除是以噪声的增大为代价的，放一般情况下 不会得到最优的判决。因此，y o n i n a c e l d a r 和a l a n v o p p e n h e l m 黜了一种正 交多用户检测，通过最优白化前，用解相关输出端的噪声信号来抵消多址干扰和 5 太原理工大学硕士研究生学位论文 噪声干扰，在性能上优于匹配滤波检测器和解相关检测器。缺点是对噪声有放大 作用；需要所有用户扩频码的信息，而这些信息往往由于传播信道而发生畸变， 当用户数经常变化、多径传播或异步通信时，相关矩阵维数庞大而且经常变化， 求逆复杂度较高，难以满足现实要求。 ( 2 ) 最小均方误差检测算法 解相关检测器在完全抵消多址干扰的同时，放大了噪声信号，在低s n r 情况 下，误码性能可能低于传统的检测器。为了解决这一问题，u m a d h o w 2 4 捷出了最 小均方误差( m m s e ) 检测算法，这是一种高斯白噪声中线性最佳检测，以最小 化e f ( b 一血) r ( b 一血) 1 为准则， 湘k x k 线性算子l = + 0 2 d 一，k 维判决 矢量z f ( r + 2 矿1 r w b + ( r + 。2 i ) n ，噪声矢量的k x k 协方差矩阵为 ( r + 0 2 i ) _ 1 + ( r + 0 2 i ) 一。m m s e 多用户检测是一种有偏估计，系统性能受 干扰功率的影响。最小均方误差( m m s e ) 检测算法将接收信号矢量视为各用户 信号矢量和噪声之和( 考虑噪声) 。利用相关矩阵和接收信号的幅度求出对应各个 函数矢量的系数取值。其优点为用噪声项修正相关矩阵，在消除多址干扰和不加 剧噪声之间实现平衡；没有增强噪声，每个用户的均方误差可以单独最小化，适 于自适应方法实现。缺点是需要估计接收信号幅值，依据m m s e 准则产生有偏估 计，所以会残留少量的多址干扰，面l 临与解相关检测算法同样的矩阵求逆问题。 文献 2 5 1 提出了一种基于m m s e 多用户检测的自适应功率控制算法，在分析了 m m s e 多用户检测器算法的基础上，得出了最佳接收信干比与移动台发射功率矢 量间简洁的对应关系，大大降低运算程度，但收敛性仍不很理想。1 9 9 9 年，j uh o l e e 和h y u n g m y u n gk i m 2 6 1 提出一种带有自适应盲天线阵的m m s e 算法，该算法 可提高系统的性能。 ( 3 ) 自适应多用户检测算法 白适应多用户检测类似于自适应均衡，采用线性最小均方误差( l m m s e ) 准 则，只要求己知期望用户的训练数据，能够应用各种自适应算法来实现，如最小 均方算法( l m s ) 和递归最小二乘算法( r l s ) 。在时不变或者缓慢衰落的多径信 6 太原理工大学硕士研究生学位论文 道条件下，m m s e 检测不仅能够抑制干扰，而且能够自动地进行多径分集组合， 但是标准的l m s 和r l s 算法还不能有效地应用到快速衰落的多径信道。目前已经 研究的方法有组合差分解调和r l s 算法实现差分最小二乘算法( d l s ) ，降低进行 信道跟踪的负担；周期地发射导音序列，以便于跟踪信道的变化；组合r a k e 结 构和m m s e 检测，分离独立衰落的多径分量【2 _ 7 】；采用k a l m a n 滤波进行信道跟踪 的算法圆等等。 但是当信道突变( 如新的干扰或者多径分量的出现和消失) 时，就会严重影 响自适应多用户检测的稳定性和收敛性，而且对于快速衰落的多径信道，发射训 练数据本身就可能是不可靠的。另外，对于某些应用场合( 如广播信道或者多点 传送信道) ，使用训练数据可能要求很高的代价，甚至无法使用训练数据。因此， 有必要研究在不需要其他用户信息和训练序列，只需要待测用户的观测数据的多 用户检测器被称为盲自适应多用户检测器，或称盲多用户检测器眇3 2 l 。文献 3 3 】 提出了一种带有自适应分支的盲多用户检测，该自适应分支用来纠正由于多径传 输造成的对期望用户特征波形的错误估计。为了达到在运算过程中不需要训练序 列，必须在不传输信号的情况下来监听信道。该方法实现简单，对已知量要求少， 但收敛速度较慢。 ( 4 ) 多项式展开检测算法 为避免复杂的矩阵求逆，该算法用多级多项式展开检测，近似模拟矩阵求逆。 多项式展开( p f ) 检测器可以在信息长度n 有限时实现解相关检测。但当n 趋向 无穷大时，需要无穷多级。所幸的是可以用较少的级数来很好逼近解相关检测器。 优点为近似逼近解相关或m m s e 检测算法，避免矩阵求逆，计算复杂度较低，无 需估计接收信号的幅值或相位。缺点是各级之间有时延，用f i r 逼近i i r 时会存在 边缘效应。 2 非线性多用户检测 非线性多用户检测算法又称为面向决策的多用户检测，由于没有系统的数学 描述与分析工具，在理论上研究较为困难，而在工程上来看，往往优于线性检测 算法。但是仍可以利用一些工程数学方法，进行粗略的分析描述和仿真。 7 太原理工大学硕士研究生学位论文 非线性多用户检测又可称为干扰消除多用户检测，目前研究最多的是基于反 馈判决的干扰抵消技术，其基本设计思路是先解出各用户的信息数据比特，再依 据信道估计值对该信息数据比特进行噪声重构( 重构出期望用户的干扰信号) ，最 后从原接收信号中减去这一重构多址干扰信号，以达到干扰抵消的目的【3 4 】。具体 分为串行干扰抵消( s u c c e s s i v ei n t e r f e r e n c ec a n c e l l a t i o n ，简称s i c ) 检测算法、并 行干扰抵消( p a r a l l e li n t e r f e r e n c ec a n c e l l a t i o n ，简称p i c ) 检测算法【3 5 】、串并混合 型干扰抵消检测算法【3 日以及迫零解相关检测算法。此外，还有分组检测算法、序 列检测算法、基于神经网络的多用户检测算法【3 1 1 以及采用其它信号处理技术的 检测算法等。 ( 1 ) 串行干扰消除多用户检测算法 采用串行的匹配滤波或相关检测方法，每一级的每个用户，根据信号强度的 大小进行排列，找到匹配滤波器输出功率最强的信号，然后对其进行硬判决：根 据判决结果、该信号的扩频码、估计出幅度和相位信息得到该信号的估计值；最 后，从接收到的信号中减去该估计值，得到下一级的输入信号。后续各级重复以 上步骤，判决一次消除当前最强的用户。s c i 检测器在性能上比传统检测器有很大 的提高，而且电路实现上也比较容易。但是每一级都有一定的延时，另外当信号 功率强度顺序发生变化时需要重新排序， 靠时，将对下级产生较大的干扰。所以， 最不利的一点是如果初始数据判决不可 在串行干扰消除多用户检测方案中，每 个分组用户不能太多，一般取4 个用户。当接收信号的功率发生变化时，要对它 们重新排序，使得系统不稳定。另外当初始数据判决有误时，则整个s i c 的性能 将大为降低。 ( 2 ) 并行干扰消除多用户检测算法 与s i c 相似，p i c 也具有多级结构，每一级中各用户并行采用匹配滤波器或相 关检测器，利用接收信号的初始值( 或前级判决值) 构造所有用户的干扰信号， 然后再同时并行从接收信号中抵消掉所有用户的干扰。并行多用户检测与串行多 用户检测在设计思路上基本相似，但由于并行多用户检测在消除干扰时采用并行 处理，克服了s i c 中延时大的缺点，当用户功率发生变化时无需进行重新排序， 8 太原理工大学硕士研究生学位论文 但在电路实现上比较复杂。在各种多用户检测中具有较高的实用价值。 将串行多用户检测算法和并行多用户检测算法两者结合起来，能发挥各自的 特点。王正茂和叶梧等就是基于这点提出了在衰落信道中的串并混合型多用户检 测算法 3 6 1 ，该算法具有较高的准确性，误码率较低等优点。 ( 3 ) 迫零解相关多用户检测算法 针对接收信号功率不一致的情况，文献【4 2 】提出了迫零判决反馈检测器，该方 法是将接收到的信号先进行部分解相关处理，然后再对其进行串行干扰消除处理。 有效地避免了在处理中噪声的增强。它的不足之处：需要对接收信号的幅度进 行估计：须进行c h o l e s k y 分解和白化矩阵求逆，运算复杂度比较高。 ( 4 ) 基于神经网络的多用户检测算法 神经网络检测器的提出为多用户检测问题开辟了一条新的途径，多用户检测 可归结为系统优化问题，而神经网络十分适合解决系统的组合优化。基于神经网 络的多用户检测器是网络的输出空间对期望空间的近似映照，以实现对c d m a 系 统中多址干扰的抑制。基于神经网络多用户检测接收机的误码率比传统接收机低 几个数量级，但对多址干扰和远近效应影响不敏感，随着用户数的增加计算复杂 度增大，工程上不易实现。但神经网络具有很强的并行处理和自组织学习能力， 适合于解决非线性、非平稳和非高斯性质的问题，在c d m a 系统中采用神经网络 检测器分离多址信号作为新的研究热点，己经引起该领域科研人员的普遍关注。 文献【3 7 】将r b f 神经网络用于c d m a 多用户检测中，结果表明，它具有较强函数 通近能力和分类能力，学习速度快等优点。文献 3 8 】将r b f 神经网络应用于同步 高斯信道下多用户检测中，其网络接收机的误码率比传统接收机低几个数量级， 对多址干扰和远近效应影响也不敏感，也低于普通b p 网络接收机。此外，神经网 络与其它一些优化算法的结合也是研究的前沿。文献【3 9 】结合遗传算法和神经网络 的优点，提出了一种并行遗传算法和递归神经网络的多用户检测器。文献中所提 出的方法在误码率和抗“远近”效应方面均具有良好的性能。文献【4 0 】和文献【4 1 】都 是基于优化理论和神经网络理论提出一种基于优化神经网络的多用户检测算法， 有较低的误码率，但抗远近能力不是很强。 9 太原理工大学硕士研究生学位论文 综上所述，多用户检测算法的具体分类如图l - 2 所示。 多用户检测算法 用户检测算法 ，解相关多用户检测算法 i l 最小均方误差检测算法 磁性检测算法弋 li 自适应多用户检测算法( 盲多用户) ll i多项式展开检畏l 算法 多用户检测算法_ ir 串行干扰抵消检测算法 li ll 并行干扰抵消检测算法 、# 线性检测算法1 追零解相关多用户检测算法 l l 基于神经网络的多用户检测算法 图1 - 1 多用户检测算法分类 f i 晷1 - 1t h ec l a s so f m u l t i - u s e rd e t e c t i o n 1 1 3 研究盲多用户检测技术的意义 1 3 1 盲多用户检测技术的研究意义 在c d m a 通信系统中，多用户检测能够有效地克服多址干扰、抑制远近效应， 但需要一定的训练序列来调整信道参数。在本文介绍的多用户检测算法中，大部 分算法都应该知道下面的一个或几个先验信息： 期望用户的特征波形； 期望用户的定时信息( 比特的出现时间和载波相位) ； 干扰用户的特征波形； 干扰用户的定时信息( 比特的出现时间和载波相位) ； 干扰用户相对于期望用户信号幅值的接收信号幅值。 表1 1 比较了几种常见多用户检测所需的先验信息。 l o 太原理工大学硕士研究生学位论文 表1 - 1 不同多用户检测器先验信息比较 t a b 1 1p r i o ri n f o r m a t i o nc o m p a r i s o no f d i f f e r e n tm u l t i u s e rd d e 咖r 、斌验信息 期望用期望用干扰用干扰用 户特征户定时户特征户定时 相对训练 检测器 波形信息波形信息 幅值 序列 最优多用户 、，、，、，1 ， 解相关 1 ， 、， 匹配滤波器 、，、， 自适应 、， “s e 盲m m s e 、，、， 如表1 - 1 所示，盲多用户检测算法不需要其他用户信息( 如干扰用户特征波形、 定时定息、接收信号幅度等) 和训练序列，只需目标用户的特征波形和定时信息。 根据接收机所需要的先验知识，盲多用户检测分为两类，一类是半盲检测，即于 扰用户特征序列部分已知条件下的检测，适用于小区基站；另一类是盲检测，即 不知道所有干扰用户特征序列条件下的检测，适用于移动台。第二类多用户检测 可以归结为更一般的多输入多输出系统的盲辨识问题，主要应用在侦听方面。 1 3 2 盲多用户检测技术的算法研究及现状 根据盲算法不同的代价函数，可以分为以下几种：基于最小输出能量( m o e ) 准则的盲多用户检测算法，基于恒模准则的盲多用户检测算法( c m a ) ，基于子空 间的盲多用户检测算法等。 ( 1 ) 基于最小输出能量( m o e ) 的盲多用户检测算法 h o n i g m l 4 3 1 等人首次提出了基于m o e 的盲多用户检测算法，这种方法的主要 思想是通过引入剩余能量来使输出能量最小，不需要任何附加条件，计算量小， 具有全局收敛性。但该算法收敛速度慢、剩余均方误差大，无法收敛到最佳m m s e 检测器。另外，当接收码与理想地址码不一致时，由于m o e 算法固有的驱动输出 能量为零的特点，将抵消用户信号。针对以上问题，人们提出了许多基于最小输 出能量的改进型盲多用户检测算法。文献【4 4 】和文献【4 5 】通过合理地选取步长，来 太原理工大学硕士研究生学位论文 提高多用户检测的收敛速度。文献【4 6 】通过增加二次约束项，提出了一种新的多约 束m o e 盲多用户检测算法。 ( 2 ) 基于恒模( c m a ) 准则的盲多用户检测算法 1 9 8 6 年，b r i a ng a g e e 4 7 提恒模算法，该算法是利用发送信号的幅度统计特 性来调整权值系数，使得输出信号的幅度保持恒定，具有收敛速度快、易于实现、 计算复杂度低等优点。m l h o n g l 4 研首次将c m a 应用在多用户检测中。在加性高 斯白噪声( a d d i t i v ew h i t eg a u s s i a nn o i s e ，简称a w g n ) 信道中，c m a 算法的 收敛性和稳定性很好，但存在多个局部收敛点，对初始值的选取有很大的依赖性。 为了克服上述缺点，人们提出了许多改进型c m a 算法。文献 4 9 1 将c m a 算法与 子空间方法结合，提出了一种基于子空间分解的恒模算法。恒模算法对目标用户 能量的大小及模参数的取值都有很强的敏感性，针对这一不足，文献 5 0 提出了一 种新的基于差分形式的线性恒模算法。 ( 3 ) 基于子空间的盲多用户检测算法 s e b a n s l e y 和b a a z h a n g 【5 1 】在1 9 9 6 年提出了基于子空间分析的算法，它将接 收信号空间分为信号子空间与噪声子空间两部分，通过子空间的知识来求解多用 户检测器，利用子空间的跟踪算法来消除多址干扰。x d w a n g 5 习采用p a s t d 子空 间跟踪算法对同步和异步c d m a 系统进行了研究。该算法的突出优点是运算量小、 算法简单，但只适用于固定维数的子空间跟踪。文献 5 3 1 提出了一种基于旋转的动 态子空间跟踪算法，能迅速跟踪空间维数的变化，解决了文献 5 2 1 的缺点，从而提 高了多用户检测算法的性能。 1 4 本论文的结构安排 本论文的结构安排如下： 第一章：分析了第三代移动通信系统中多用户检测技术的意义与研究现状， 并对其现有算法进行了总结和分类。 第二章：介绍了小波变换、人工神经网络、小波神经网络以及与之相关的一 些基础知识，为后续小波神经网络应用研究奠定基础。 1 2 太原理工大学硕士研究生学位论文 第三章：分析了多用户检测的系统模型，将小波神经网络与多用户检测结合， 提出了基于小神经网络的多用户检测，并对其进行了分析研究。仿真结果表明， 该算法能提高收敛速度，降低误码率。 第四章：介绍了恒模算法，将恒模算法应用到小波神经网络中，构造出新的 代价函数，并分别对基于恒模算法及加约束条件的恒模算法的小波神经网络多用 户检测进行了分析研究。仿真结果表明在收敛速度，误码率方面，该算法效果明 显。 第五章：对全文所做工作进行了总结，并提出了今后进一步研究的方向。 1 3 太原理工大学硕士研究生学位论文 2 1 引言 第二章小波神经网络的基础知识 小波分析【5 4 j ( w a v e l e ta n a l y s i s ) 是2 0 世纪8 0 年代中期发展起来的一门数学 理论和方法，由法国科学家g r o s s m a n 和m o r l e t 在进行地震信号分析时提出来的。 随后小波理论的研究和应用都得到迅速的发展，在逼近论、模式识别、图像处理、 信号处理、非线性科学等方面取得了许多突破性进展。 。 小波变换具有时频局部特性和变焦特性，而神经网络具有自学习、自适应， 鲁棒性、容错性和推广能力。如何把两者的优势结合起来，一直是人们关注的问 题。一种方法是用小波分析对信号进行预处理，即以小波空间作为模式识别的特 征空间，通过小波分析来实现信号的特征提取，然后将提取的特征向量送入神经 网络处理；另一种即所谓的小波神经网络( w a v e l e tn e u r a ln e t w o r k ，简称w n n ) 或小波网络( w a v e l e t n e t w o r k ，简称w n ) 。小波神经网络最早是由法国著名的信 息科学研究机构i r l s a 的z h a n gq i n g h u 等于1 9 9 2 年提出来的【5 5 6 1 ，是基于小波 变换而构成的神经网络模型，即用非线性小波基取代通常的神经元非线性激励函 数，把小波变换与神经网络有机地结合起来，充分继承了两者的优点。小波分析 与前馈神经网络的结合是小波神经网络的主要研究方向。此外，小波分析还可以 与其他神经网络结合，也是值得进一步研究的。 2 2 小波变换 2 2 1 小波变换概述 小波变换是一种信号的时间尺度( 时间频率) 分析方法，它具有多 分辨率分析的特点，而且在时频两域都具有表征信号局部特征的能力，是一种窗 口大小固定不变但其形状可改变，时间窗和频域窗都可以改变的时频局域化分析 1 4 太原理工大学硕士研究生学位论文 方法，即在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具 有较高的时间分辨率和较低的频率分辨率。正是这种特性，使小波变换具有对信 号的自适应性。 定义 设y ( f ) r ( r ) ，其傅里叶变换为矿( 缈) ，当驴( ) 满足允许条件( 完全重构条 件或恒等分辨率条件) 咩 协t ， 时，少( f ) 称为基本小波或母小波。把一基本小波y ( f ) 经伸缩和平移得 训2 丽1y ( 等) 咖硪删 。c 2 之， 称其为一个小波簇。式中，口为尺度因子，b 为伸缩因子。小波变换的基本思想就 是将任一平方可积函数或能量有限信号表示成小波系数的叠加。 小波变换的特点【5 7 1 ： ( 1 ) 具有多分辨率的特点，可以由粗到细逐步观察信号。 ( 2 ) 可以将信号分层次展开，从而有效控制计算量，满足实时处理的需求。 ( 3 ) 具有放大、缩小和平移的数学显微镜功能，通过检查不同放大倍数下的 信号变化来研究其动态特征。 ( 4 ) 适当地选择基小波可以使小波变换在时域和频域都具有表征信号局部特 征的能力，有利于检测信号的瞬态或奇异点。 ( 5 ) 小波变换能满足能量守恒方程，可以将信号在不同的空间方向和独立的 频带上进行分解，同时又不丢弃原信号所含的信息。 2 2 2 连续小波变换 对于任意的函数厂( f ) r 忙) 的连续小波变换为 啊( 咖) = ( 厂( f ) 帕( f ) ) 2 南，妒( 等户 c 2 1 5 太原理工大学硕士研究生学位论文 ，( ，) = 击。i vf - e 去u 喝( 以6 ) 一( ，) 砌 = 专r 拳e 毗纠南( 枥 q 4 式中，。= 鲜豳 。为对啪) 提出的容许条件。由于孙波峭) 生成m 亡) i 毋 。o ( 2 勘 ( o ) = e ( f ) 出= o ( 2 柳 连续小波变换有明确的物理意义，尺度因子口愈大，则矿越宽，该函数的 q ( m ) = f 巾痧习硇 (