（电路与系统专业论文）基于FastICA算法的自适应MMSE多用户检测[电路与系统专业优秀论文].pdf

羔塑_ 人堂堡! ：堂些堡；! ! ! ： 垫些 摘要 码分多址( c d m a ：c o d ed i v i s i o nm u l t i p l ea c c e s s ) 系统是一个干扰受限系 统，系统中存在多址干扰( m a i ：m u l t i p l ea c c e s si n t e r f e r e n c e ) 和远近效应，是限 制系统容量的主要因素。多用户检测技术( m u d ：m u l t i p l eu s e rd e t e c t i o n ) 作为 第三代移动通信的关键技术之一，在近些年来的大量研究基础上取得了很大的进 步。它减少了多址干扰，解决了远近效应问题，显著提高了系统容量。其中c d m a 系统的盲自适应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 求少以及可盲实现等优点，具有良好的应用前景。 本文介绍了独立分量分析( i c a ：i n d e p e n d e n tc o m p o n e n ta n a l y s i s ) 和多用 户检测的基本概念以及基本原理，并对信道估计技术进行了介绍。同时介绍了现 有的一些延迟估计方法，并对其算法进行改进，提出了一种基于负熵固定点算法 的延迟估计方法。最后，分析了d s - c d m a ( d i r e c ts e q u e n c e c d m a ) 矩阵信号模 型和线性独立分量分析的数学模型，根据比较得出这两种模型具有相同形式。将 独立分量分析应用于d s c d m a 系统的多用户检测中，提出了基于i c a 后处理 的自适应最小均方检测( m m s e ：m i n i m u mm e a n s q u a r ee s t i m a t o r ) 的多用户检 测方法。该方法用m m s e 的输出初始化独立分量分析的迭代，既利用了信源的 独立性，又充分利用了已知扩频码的信息，从而提高了多用户检测器的性能。对 论文中的算法均进行了实验仿真和性能分析。仿真结果表明：本文提出的方法在 高信噪比的情况下，误码性能得到了较大改善。 关键词：码分多址；信道延迟估计；盲多用户检测；自适应m m s e ；独立分量 分析 安徽大学硕：t 学位论文 基于f a s t i c a 算法的自适应m m s e 多用户检测 a b s t r a c t c o d ed i v i s i o n m u l t i p l ea c c e s si ss e l f - i n t e r f e r e ds y s t e m ，w h e r em u l t i a c c e s s i n t e r f e r e n c e ( m a i ) a n dn e a r - f a re f f e c ta r ee x i s t i n ga st h em a i nf a c t o r sr e s t r i c t i n g c d m as y s t e mc a p a c i t y t h e s ey e a r s ，b ec o n s i d e r e da so n eo ft h ek e yt e c h n i q u e sf o r t h e3 “g e n e r a t i o n ( 3 g ) m o b i l ec o m m u n i c a t i o ns y s t e m ，m u l t i p l eu s e rd e t e c t i o n ( m u d ) f o rc d m as y s t e mm a d ei t so b v i o u sp r o g r e s s m u dr e d u c e st h em u l t i a c c e s s i n t e r f e r e n c ea n ds o l v e st h en e a r - f a rp r o b l e ma n di m p r o v e ss y s t e mc a p a c i t y t h eb l i n d a d a p t a t i o ns c h e m e sd on o tr e q u i r et r a i n i n gs e q u e n c e sa n dt h ei n t e r f e r e n c eu s e r s i n f o r m a t i o n i to n l yn e e d st h ep r i o rk n o w l e d g eo ft h es i g n a t u r ew a v e f o r ma n dt h e t i m i n go ft h ed e s i r e du s e r t h eb l i n da d a p t a t i o ns c h e m e sa r et h ep r o m i s i n go n ew i t h a c c e p t a b l ei m p l e m e n t a t i o nc o m p l e x i t y , w h i l es i m u l t a n e o u s l ye l i m i n a t i n gt h en e e do f ap l e n t yo fp r i o r is y s t e mi n f o r m a t i o na n d c a nb ei m p l e m e n t e da sab l i n dm u d t h i sp a p e rh a ss u m m a r i z e dt h eb a s i sc o n c e p ta n dt h e o r yo nt h e i n d e p e n d e n t c o m p o n e n ta n a l y s i s ( i c a ) a n dt h em u l t i u s e rd e t e c t i o n d e l a ye s t i m a t i o no fc h a n n e l i si n t r o d u c e d ，a n dt h ea l g o r i t h m sw h i c hh a du s e da r ei m p r o v e d w eb u i l dt h ed e l a y e s t i m a t i o nb a s e do nn e g e n t r o p yi c a a tl a s t ，t h em a t r i xd s - c d m a ( d i r e c t s e q u e n c e - c d m a ) s i g n a lm o d e la n dt h en o i s yl i n e a ri n d e p e n d e n tc o m p o n e n t a n a l y s i s ( i c a ) m o d e la r ea n a l y z e di nt h i sp a p e r c o m p a r i n gt h e s em o d e l ss h o w st h a t t h e yh a v es a m ef o r m t h ea d a p t i v em i n i m u mm e a n s q u a r ee s t i m a t o r ( m m s e ) m u l t i u s ed e t e c t i o nb a s e do ni c ai sp r o p o s e d i tl e t st h eo u t p u to fa d a p t i v em m s e m u l t i u s ed e t e c t i o nt oi n i t i a l i z et h ei c ai t e r a t i o n s ，n o to n l yt h ek n o w ns p r e a d i n f o r m a t i o no f i n t e r e s t i n gu s e ri su s e dt oo v e r c o m et h eu n c e r t a i n n e s so fi c a ，b u ta l s o t h ec h a r a c t e ro fs t a t i s t i c a li n d e p e n d e n c ei su s e d i nt h i st h e s i s ，a l la l g o r i t h m sa r ed o n e w i t hn u m e r i c a ls i m u l a t i o n sa n dp e r f o r m a n c ea n a l y s i s t h es i m u l a t i o nr e s u l t ss h o w t h a ti ta d v a n c e st h ep e r f o r m a n c eo fa d a p t i v em m s em u l t i u s ed e t e c t i o nw h e nt h e s i g n a l - n o i s e - r a t i oi sh i g h k e yw o r d s ：c o d ed i v i s i o nm u l t i p l ea c c e s s ；c h a n n e ld e l a ye s t i m a t i o n ；b l i n d m u l t i - u s e rd e t e c t i o n ；a d a p t i v em m s e ；i n d e p e n d e n tc o m p o n e n t a n a l y s i s i i 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其 他人已经发表或撰写过的研究成果，也不包含为获得 的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均 已在论文中作了明确的说明并表示谢意。 学位论文作者签名：名砰。签字日期：帅f 年岁月弘日 学位论文版权使用授权书 本学位论文作者完全了解有关保留、使用学位论文的规定 有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和 借阅。本人授权可以将学位论文的全部或部分内容编入有关数据库进行 检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名： 签字日期：帅，年 日 学位论文作者毕业去向： 工作单位：安德确矸德眦设毛f 陟 通讯地址： 导师签名：捌 签字日期：泸( 年j 月日 电话 邮编 篡 安徽大学硕i 学位论文 第一蕈绪论 1 1 研究背景 第一章绪论 现代通信系统在当代社会生活中具有重要作用。移动通信特别是蜂窝小区技 术的迅速发展，将为用户彻底摆脱终端设备的束缚，实现迅捷全面的个人移动通 信提供可靠的技术手段。从上个世纪8 0 年代中期开始，蜂窝组网技术逐渐成熟， 陆地移动通信得到迅速发展。从最开始的第一代模拟移动通信系统，到目前己经 非常成熟的第二代、二代半系统只不过用了短短的不到2 0 年的时间。从第一代 系统发展到第二：代系统的过程中，系统制式由模拟制式转向了性能更好的数字制 式，多址接入方式从频分多址( f d m a ) 转向时分多址( t d m a ) 和码分多址 ( c d m a ) ，带米了服务性能和系统容量的显著提高。目前，移动通信技术正在迅 速朝着能够提供移动环境下的多媒体业务和高速数据业务的第三代( 3 g ) 系统演 进，其国际标准己经制定完毕。在日本，已经有商用的3 g 服务j 下式推出，显示 高速数字移动通信时代的正式到来。 无线通信中的多址技术是指解决系统中多个用户如何共享公共无线传输媒 体的方法，它是设计无线通信系统空中接口的关键基础。无线物理信道资源通常 需要被划分为更小的逻辑信道后同时为多个用户提供服务。如频分多址( f d m a ) 是把系统总的频带分成若干个非重叠子频带，每个子频带再分配给每个用户；时 分多i t k ( t d m a ) 将每个频分信道再分成若干非重叠时隙，然后把每个时隙再分配 给用户。这两种多址技术避免了信道划分上的重叠，每个用户都在各自独立的等 价单信道环境下工作，所以不存在多址干扰( m a i ) 。但是，这些静态信道划分技 术对信道资源的利用效率比较低，特别是在突发的高数据率传输，以及非对称业 务时更为明显。为了满足提供更高的数据传输率和更佳的频谱利用率的要求，第 三代移动通信系统必需采用可以动态分配信道资源的多址接入技术。 c d m a 通信是利用相互正交( 或尽可能正交) 的不同编码分配给不同用户 调制信号，实现多用户同时使用同一频率接入系统和网络的通信，即码分多址通 信。由于利用相互正交( 或尽可能相互正交) 的编码去调制信号，会将原信号的 信号频谱带宽扩展，因此，对这种调制方式的通信，又称为扩展频谱通信。 扩展频谱通信是将待传送的信息数据被伪随机编码( 扩频序列：s p r e a d i n g 安徽火学颂小学位沧文 基- 3 二f a s t - i c a 算法的自适心m m s e 多用户检测 s e q u e n c e ) 调制，实现频谱扩展后再传输，接收端则采用同样的编码进行解调及 相关处理，恢复原始信息数据。显然，这种通信方式与一般常见的窄带通信方式 相反，是在扩展频谱后，宽带通信，再相关处理恢复成窄带后解调数据，因此， 具有伪随机编码调制和信号相关处理两大特点。j 下是这两大特点，使扩展频谱通 信方式有许多优点： ( 1 ) 通信容量大。c d m a 是自干扰受限系统，任何干扰的减少都可以直接转化为 系统容量的提高。因此一些传统的干扰功率降低技术，如话音激活技术、功 率控制技术等，都能提高c d m a 系统的容量。一般来说，在同样条件下，采 用c d m a 方式的系统容量约是采用数字t d m a 的g s m 系统容量的4 - 6 倍， 是模拟系统容量的2 0 倍。 ( 2 ) 系统具有软容量特性。c d m a 系统中，多增加一个用户只会使通信质量略有 下降，不会出现通信硬阻塞情况。小区覆盖范围的动态调整，可以平衡各个 小区的业务量，这对于解决通信高峰期的通信阻塞问题和提高用户越区切换 的成功率无疑是非常有益的。 ( 3 ) 更适合在衰落信道中传输。移动信道在一般情况下是一个时变多径衰落信 道，而在c d m a 系统中，由于采用了宽带传输，所以具有了特有的频率分集 特性，即当信道具有频率选择特性时，对c d m a 系统中信息传输的影响较小。 ( 4 ) 具有平滑的软切换特性。在c d m a 系统中，所有的小区( 或扇区) 都可以使用 相同的频率，这不仅简化了频率规划，也使越区切换得以平滑实现。 ( 5 ) 具有良好的通信安全性。c d m a 系统采用扩频技术，使发射的信号频谱被扩 展得很宽，从而使所发射的信号隐蔽在噪声和干扰中，不易被发现和截获。 c d m a 接入技术对每个用户分配不同的编码序列来共享信道资源。该编码 序列一般都采用伪随机( p n ) 码，要求具有很强的自相关性和较弱的互相关性。 c d m a 是一种扩频通信技术，按照获得宽带信号的调制方式不同，c d m a 可以 分为三种，即跳频( f h ) 扩频、跳时( t h ) 扩频和直接序列( d s ) 扩频。跳频扩频是由。： p n 序列来确定瞬时传输的频率。虽然每一瞬间信号带宽是窄的，但发射机是在 一个很宽的频带内不断跳变，所以系统总的频带变宽了。跳频又可分为快跳频( 一 个符号用多跳来传输) 和慢跳频( 一跳传输多个符号) 。在跳时扩频中，由伪随机序 列确定不同用户使用同一周期内的不同传输时隙，每个用户则在其分配时隙内使 安徽大学预：l ：学位论文第一章绪论 用快速突发脉冲传输。由于每个用户只在一个周期的某时隙内高速传送信号，因 此需要总的频带变宽了。直接序列扩频方式中，信息数据被p n 序列( 常常称为 扩频序y 0 ) 调制，一般是直接相乘后得到扩频调制信号。由于p n 序列的速率远 高于信息比特的速率，因此调制信号的带宽比信息带宽高得多。直接序列扩频通 信本身具备的特点更适合在移动通信系统中应用，本文所讨论的c d m a 系统都 为直接序列扩频c d m a 系统。 但是在复杂的移动通信环境和有限的频率资源下，要达到高容量、高质量、 高速率的通信，c d m a 技术需要克服三个因素的影响： ( 1 ) 多址二f 扰( m a i ) ：在c d m a 系统中，由于多个用户的随机接入，用户地 址码之间不能保证正交性，从而引起多址干扰，多址干扰包括小区内干扰和邻区 干扰两种。 ( 2 ) 衰落信道：无线电信号经过移动信道时会受到来自不同途径的衰落。一 般来说，这些衰落可以归纳为三类：一类是由于信号在自由空间传播引起的损耗 和弥散，称为距离衰落：第二类是阴影衰落，也叫慢衰落，主要是由于传播环境 中的地形起伏、建筑等障碍物对电波遮蔽所引起的衰落，衰落幅度一般服从对数 正态分布：第三类是多径引起的快衰落，也叫多径衰落，根据在信号传播中是否 存在直射路径，幅度衰落分别服从r a y l e i g h 分布和r i c e 分布，更一般的表达形 式是n a k a g a m i 分布。另外，衰落信道是一个时变信道，这主要是由于移动台的 移动造成的，一般采用广义平稳不相关散射( w s s u s ) 模型描述信道的时变特性。 ( 3 ) 远近效应：由于各用户的发射功率不等和信道衰落，使得各用户在接收 端的信号功率不等，从而产生远近效应，远近效应会极大地影响弱信号用户的接 收性能。 为了抑制多址干扰、抗衰落、克服远近效应以保证业务质量，c d m a 系统 采用的关键技术有选择扩频码、智能天线、多用户检测、多载波调制、r a k e 接 收、分集、功率控制等技术。 选择扩频码，是一个古老的问题，由于在c d m a 系统中存在多址干扰和多 径干扰，因此选码的任务是寻找互相关和自相关特性优良的、数量大的码字。另 外c d m a 系统的上行链路是异步传输系统，因此选择扩频码不可能完全消除多 址干扰和多径干扰，目前在选码方面还没有重大的突破。 安徽大学硕：i ：学位论文 基于f a s t i c a 算法的自适应m m s e 多用户检测 智能天线是阵列天线在移动通信中的应用，由于移动通信环境比雷达、声纳 等应用环境更加复杂，如目标数可能远大于阵元数，因此智能天线技术具有更深 的内涵。智能天线技术大致包括两个方面：空域滤波和波达方i 句( d o a ) 估计。空 域滤波( 也称波束形成) 的主要思想是利用信号、干扰和噪声在空问的分布，运用 线性滤波技术尽可能地抑制干扰和噪声，以获得尽可能好的信号估计。在进行空 域滤波前，一般需要估计有效信号的波达方向，而用户数往往大于阵元数，因此 当前d o a 估计技术的研究焦点是超分辨估计算法。 多载波调制也叫正交频分复用( o f d m ) ，基本思想是把高速信息数据分割成 若干路低速率的数据流，然后将一组相应数量的载波调制、叠加发送出去，其中 各子载波保持相互正交。由于多载波调制把信息分散到多个载波上，使得各子载 波的信号速率降低，从而削弱了多径信道对传播信号的影响。当前多载波调制的 主要研究焦点是同步问题和如何降低信号峰平比问题。 为了克服远近效应，一般采用功率控制，基本思想是根据接收信号的测量参 数调整各用户的发射功率，达到用户接收信号功率相等。但是功率控制一般只能 克服距离衰落和慢衰落，对快衰落的抑制效果不大。 r a k e 接收机的基本思想是利用扩频信号带宽远大于信息比特带宽的性质， 分离多径信号后进行解扩、合并，因此能够有效地克服多径衰落。 分集技术包括空域分集、时域分集、频域分集、宏分集等，其中智能天线属 于空域分集技术，r a k e 接收属于时域分集技术，多载波调制属于频域分集技术。 简而言之，选码和智能天线能够有效地抑制多址干扰，多载波调制和r a k e 接收机具有很好的抗多径衰落效果，功率控制能够克服远近效应。但是码字性能 存在w e l c h 界，而智能天线只能部分抑制多址干扰，当用户比较密集或者用户很 多时，多址干扰仍然严重地影响系统性能，而r a k e 接收机不能抑制多址干扰， 同时要达到理想的功率控制，设备比较复杂，因此以上技术仍然不能很好地解决 实际系统中存在的多址干扰和远近效应问题，多用户检测技术的提出则给上述问 题提供了良好的解决方案。 多用户检钡1 ( m u l t iu s e rd e t e c t i o n ：m u d ) 是国际上最新发展起来的一项用以 消除多址干扰的技术。在实际系统中，多用户检测技术应用于基站，对上行用户 信号进行联合检测。传统的检测技术完全按照经典直接序列扩频理论对每个用户 4 安徽大学硕士学位论文 第一章绪论 的信号分别进行扩频码匹配处理，因而抗m a i 能力较差：多用户检测技术在传 统检测技术的基础上，充分利用造成m a i 干扰的所有用户信号信息对单个用户 的信号进行检测，从而具有优良的抗干扰性能，解决了远近效应问题，降低了系 统对功率控制梢度的要求，因此可以更加有效地利用上行链路频谱资源，显著提 商系统容m 。 1 2 多用户检测技术的基本原理与意义 多用户检测是一种从接收机端的设计入手的干扰抑制方法，它要解决的主要 问题是：如何从相互干扰的数字信息序列中可靠地解调出特定用户的信息。传统 的c d m a 接收机只是简单地将匹配滤波器的输出判决作为用户信息，实际上是 一种把其他用户造成的多址干扰( m a i ) 当作白噪声来处理的单用户检测技术。它 忽略了系统中m a i 所包含的有用信息，无法真正消除m a i 的影响。事实上， m a i 具有很强的结构性，因为当每个用户的扩频码序列都已知时，各个用户以 及各条路径之间的互相关系是可以获得的。如果利用m a i 的这些结构信息来进 行用户信号的检测，就可以消除其负面影响，从而达到提高系统性能及容量的目 的，这就是所谓的多用户检测技术。 在c d m a 系统中，小区干扰分以下三种：接收机收到的热噪声、用户信号 的码间干扰( i s i ) 和多址干扰( m a i ) 。这三种干扰各有不同的消除方法。在实际系 统中，热噪声的影响远远小于m a i 干扰的影响。在通常使用的无线通信系统中， 均通过限制接收机噪声系数的方法来确定接收机的灵敏度。i s i 的形成原因有两 种：( 1 ) 信号传输时未满足n y q u i s t 第一准则，在抽样时刻存在失真，可采用升余 弦滤波器等方法来避免；( 2 ) 由无线信道的多径等特性造成，这种干扰是无法避 免的，可通过均衡等办法消除。 在用户接收机完全同步并采用理想正交扩频地址码的条件下，各用户之间不 会产生多用户干扰。但在多径衰落信道中，理想的完全同步难以实现，因此扩频 码也难以保持完全的正交性。理论上已证明，同时具有理想自相关和理想互相关 特性的二进制扩频码是不存在的，这就是著名的w e l c h 界。在实际c d m a 通信 系统中，各用户信号之间存在一定的相关性，这就是m a i 存在的根源。由个别 用户产生的m a i 固然很小，但随着用户数增加或信号功率增大，m a i 就成为宽 安徽火学硕小学位论文基于f a s t i c a 算法的白适应m m s e 多用户检测 带c d m a 通信系统的一个主要干扰，限制系统的容量和性能。m a l 分小区间干 扰和小区内干扰两部分。小区间干扰是指其它同频小区信号造成的干扰，可通过 合理的小区配景来减小其影响。即使在最恶劣的情况下，小区间干扰功率也不超 过内部干扰功率的6 0 ，因此系统容量主要取决于对小区内干扰的处理。 多用户检测是引用信息论基本原理并通过严格的理论分析后提出的一种新 型抗多址干扰技术，它充分利用扩频序列的结构信息和统计信息来克服多址干 扰，其基本思路是： ( 1 ) 从信息论的角度来看，c d m a 系统是一个多输入多输出的系统，基于信 息论中的最佳信号检测理论，来寻求蜂窝码分多址通信系统中多用户的最优联合 检测理论。 ( 2 ) 充分利用扩频序列的已知结构信息，在通常的码分多址通信系统接收机 中都将多径干扰和多址干扰看作等效白噪声的无用信息来处理。实际上，不论多 址干扰还是多径干扰，本质上并不是纯粹无用的白噪声，而是有着强烈结构性的 伪随机序列信号，而且用户间与各条路径间的相关函数都是己知的，因此从理论 上看，完全有可能利用这些伪随机序列的己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，以达到提高系统性能的目的。 ( 3 ) 多径干扰与多址干扰其实质是一样的，都来源于伪随机序列，若能充分、 利用扩频序列的己知结构信息和统计信息，两者是可以同时消除的，同时消除和 削弱了多址干扰和多径干扰，也必然消除和削弱了远近效应，因此一箭三雕的方 案是可行的。 ( 4 ) 最优的联合检测方案同时也是可能的。基于上述充分利用扩频序列的己 知结构和统计信息在信息论最佳信号检测理论指导下，在对多个用户的匹配滤波 接收的基础上，进行多用户联合检测，并充分利用己知伪随机序列的结构信息与 统计信息，设法消除其它所有用户对有用用户干扰的方案，理论上是完全可行的。 多用j o 检测技术的主要用途有：1 减小误码率由于多用户检测器利用了多 址干扰的信息减小多址干扰对检测器性能的影响，所以相同环境下，多用户检测 器可以比传统匹配滤波检测器具有更低的误码率：2 提高带宽效率，以获得系统 容量和覆盖的改进多用户检测器比传统检测器有更低的误码率意味着当误码 率要求不变时，可以在保证服务质量的前提下加入更多的用户，从而提高系统容 安徽大学硕1 ：学位论文第一章绪论 量。实际容量的增加取决于算法的有效性、无线环境和系统负载。如果上行链路 的容量超过了下行链路，可以降低上行链路的处理增益，将节约出的带宽用于下 行链路，从而挝高整个系统的频带利用率。 除了提高误码率、带宽效率以及容量的改进，多用户检测缓解了d s c d m a 系统中典型的远近效应问题。我们知道，功率控制是针对远近效应问题而提出的 一项关键技术。多用户检测算法可以降低多址干扰，自然缓解了远近效应，而且 有些检测算法是专门消除远近效应的，因此多用户检测技术可减轻功率控制的负 担。 1 3 多用户检测的研究概况 由于多址干扰不同于白噪声，即多址干扰不是完全随机的，而是具有一定的 结构特性，多用户检测技术的基本思想就是利用各个用户的扩频码、时延、振幅 和相位信息，从整体来降低各个用户的误码性能。 c d m a 系统是干扰受限系统，它的容量和性能要受到多址干扰的限制。接 收机的设计是一个重要的问题，适当地抑制多用户干扰，可以显著提高系统的性 能和容量。当然也可以将多用户干扰作为加性噪声处理，采用单用户接收中的传 统匹配滤波器。传统的检测器将一组匹配滤波器的输出直接送到判决设备中得到 各用户的检测信号。如果各个用户扩频码之间是完全j 下交的，传统检测器也是最 佳检测器。这也是在下行链路中同小区的用户同步，且采用正交扩频码的原因， 然而异步或时延都将影响扩频码之间的正交性，因此要对匹配滤波器的输出进行 进一步的处理。多用户接收方案所带来的性能的增益，吸引了通信、信号处理以 及信息理论领域的巨大研究热情。例如，在欧洲的u m t s 宽带c d m a 方案中， 计划用户数仅为5 0 个，对于扩频增益为2 5 6 的系统而言，5 0 个用户仅占可容纳 用户数的2 0 。在采用精确功率控制的情况下，这样一个系统能达到的信干比为 7 d b ，系统可以正常运行。如果采用了精确的多用户检测，负载量可以达到1 0 0 ， 这种容量的提高是相当可观的。 多用户检测的思想最初是由s c h n e i d e r 1 l 在1 9 7 9 年提出的。v e r d u 在1 9 8 6 年 提出和分析了最优多用户检测器和最大似然序列检测器【2 】，其复杂性随用户数目 的增多而呈指数增长，硬件实现非常困难。 安徽大学顾：i ：学位论文 基于f a s t i c a 算法的自适成m m s e 多用户检测 后来v e r d u 的研究激励了多个研究者寻找次优化的多用户检测器，以便用合 理的可实现的复杂度实现接近优化的性能。研究主要集中在寻找针对a w g n 信 道的次优化检测器。解相关检测机、最佳线性检测机、线性m m s e 检测机、决 策反馈检测机在随后的几年中纷纷被提了出来。直到现在，次优多用户检测器仍 然是一个研究热点。 研究衰落多径信道适用的检测器也是多用户检测的潮流之一，先是慢衰落信 道，然后是相对快衰落信道。平坦衰落和多径信道均有考虑。因为多用户检测器 的参数如振幅、相位和多用户间的互相关性经常改变，因此开始研究自适应多用 户检测器，其检测器的参数随所接收到的信号自动调整。实际上信号检测所需的 参数从来不完美，因此有开始研究对相位、振幅和时延的不理想估计的影响。 在1 9 9 5 年m i c h a e lh o n i g 和s e r g l ov e r d u 提出了盲多用户检测的概念，这种 多用户检测机仅需要和传统检测机相同的信息，就可以检测出所发送的信号，使 得多用户检测技术向实用化又前进了一步。自适应滤波的原理在其中得到了广泛 的应用，l m s 、r s l 、k a l m a n 等等各种算法纷纷被应用到多用户检测的系统 中。 在1 9 9 8 年x i a o d o n gw a n g 和h v i n c e n tp o o r 提出了子空间盲多用户检测技 术，将盲自适应信道估计、盲自适应阵列响应估计与盲多用户检测技术结合在一 起，利用基于子空间的高分辨方法对接收的信号进行多用户检n t 1 。在1 9 9 9 年 他们又将多径c d m a 信道中接收天线阵列技术与盲多用户检测技术相结合，提 出了空时多用户检测技术。从而掀起了多用户检测技术研究的新的浪潮。 同时多用户检测技术在其他方面的研究也迅速展开，研究者将其它技术和多 用户检测技术相结合进行系统分析，以达到更好的系统性能。如与信道编码技术 相结合研究t u r b o 码对系统性能的影响；如将与r a k e 接收机结合，提高多用 户检测技术在多径衰落下的性能。 通过回溯发展过程，我们发现经过众多先辈的研究，多用户检测己经发展成 为一个内容丰富、研究价值很高的抗多址干扰的新技术。 1 4 本文的主要工作 本文主要研究基于独立分量分析的盲多用户检测算法，分别提出基于独立分 安徽大学硕i j 学位论文第一章绪论 量分析的信道估计算法、基于独立分量分析的自适应m m s e 多用户检测，并通 过大量仿真实验来验证算法的性能。 第一章简要介绍了本文的研究背景及意义，扼要地介绍了本文研究中所涉及 到的一些理论知识。 一 第二章介绍独立分量分析算法，详细叙述独立分量分析的原理以及几种算 法。 第三章多用户检测原理。首先介绍了在c d m a 系统中引入多用户检测技术 的必要性，然后着重介绍多用户检测技术的基本原理及最佳多用户检测器。接下 来，按照线性、非线性的分类方式详细介绍了若干种常用的次优多用户检测器的 实现方法，并指出它们各自的优缺点。 第四章介绍关于d s c d m a 系统中信道参数估计的基本理论及一些延迟估 计算法，提出基于负熵i c a 的延迟估计算法，并对其算法进行仿真与比较。 第五章将独立分量分析算法应用到d s c d m a 系统中来，提出基于f a s t i c a 算法的自适应m m s e 多用户检测，并通过仿真实验来证明该算法性能的提高。 安徽大学硕：i ：学位论文 基于f a s t - i c a 算法的自适应m m s e 多用户检测 2 1 引言 第二章独立分量分析 在多用户通信、天线阵列信号处理等诸多实际应用中，多个源信号在传输过 程中因传输信道间的耦合而发生混迭，故接收到的信号是已混合了的数据信号。 由于各源信号如何混合不得而知，因此为了恢复它们，就需要根掘各源信号的一 些统计特性从混合的数据信号中将其分离出来。这样一个信号分离或恢复的过程 就称为盲源分离。 上个世纪8 0 年代末以来，如何对天线阵列或者传感器接收的混合信号实现 盲分离，一直是信号处理领域的难点和热点，有不少学者虽提出过各种方法试图 解决这个问题，但分离效果都不理想。盲信号研究工作的实质性进展是从 l i n s k e r 【7 】发表的论文( 1 9 8 9 ) 和j u t t e n 与h e r a u l t l 8 1 提出创造性的h j 递归神经元网 络( 1 9 9 1 ) 开始的，用h - j 网络解决了两个线性混合源信号的盲分离问题。随后在 1 9 9 4 年，c o m m o n 【9 】提出了著名的基于最小互信息的独立分量分析方法；1 9 9 5 年，b e l l 和s e j n o w s k i l lo 】提出了基于l i n s k e r 的信息最大化准贝t j ( i n f o m a x ) 的最大熵 法；a m a r ii l l l ( 1 9 9 8 ) ；和c a r d o s o t l 2 】( 1 9 9 6 ) 简化了信息最大化学习规则并且提出了 自然梯度的概念。他们的工作极大地推动了盲源分离的研究。在以后的几年内大 量的盲分离有效算法不断被提出，使盲分离理论在应用中得到很大推广。例如， 在多用户通信、声纳、阵列及通讯信号处理，在地球物理学，在多传感器监测的 生物电信号，以及在图像处理、生物医学工程中，盲源分离技术都得到了广泛应 用。 独立分量分析o c a ) 方法是近二十年来逐渐发展起来的一种高效盲信号分离 方法。它最早是用来解决“鸡尾酒会”问题的，然而，随着研究的深入，人们发 现它的原理在语音识别、电信和医学信号处理等信号处理方面有着广泛的应用， i c a 随之受到了越来越多的关注，多种在分离能力，内存需求，计算量等方面有 不同优点的i c a 算法己被提出，目前i c a 已成为盲信号处理、人工神经网络等 研究领域中的一个研究热点。 o 安徽人学顺。i 学位论文 第二章独立分盘分析 2 2 独立分量分析的基础知识 在本文所使用的符号中，粗体大写字母代表矩阵，粗体小写字母代表列矢量， 小写字母代表标量。本文中事先假定所有的随机变量的均值为0 ，这在实际信号 处理中是容易实现的。 2 2 1 平均自信息量( 熵) 熵是对随机变量平均不确定性的描述，也称为平均自信息量。一个离散随机 变量x ，设其概率密度函数为e ( x ) ，则它的熵定义为 h ( ) = 研一l o g p ( x ) = 一p ( x ) l o g p ( x ) ( 2 1 ) j e 月 这里，l o g 是以2 为底的对数，x 是全体可能输出的随机变量x 的集合 a = q ，口：，吒，) ，。p = q ) = l 。当一个事件的概率为o ，显然它无法提供 任何信息。因此由定义得，熵为0 。当用以底为2 的对数计算时，熵的单位是比 特( b i t ) ，当以自然数为底时，熵的单位为自然单位( n a t u r a l u n i t s ) ，简称奈特( n a t ) 。 以1 0 为对数底时，熵的单位为哈脱来。 2 2 2 互信息 由于事物是普遍联系的，因此，对于两个随机变量x 和y ，它们之间在某种 程度上也是相互联系的，即它们之间存在统计依存关系。这样，在已知一随机变 量y 的取值条件下，另一随机变量x 的不确定程度( 这里用x 的条件熵来度 量) h ( x i y ) 总是不大于x 的无条件熵h ( x ) 的。也就是说，y 未知时，x 的不确定 度为h ( x ) ，y 已知时，x 的不确定度变为n ( x i y ) ，且有h ( x l y ) s h ( x ) 。这说 明h ( x l y ) 表示了己知y 后x “残留”的不确定性。这样，在了解y 以后，x 的 不确定性的减少量为h ( x ) 一h ( x i y ) ，这个差值实际上也是己知y 的取值后所提 供的有关x 的信息。同样，在了解x 以后，y 的不确定性的减少量为 安徽大学硕士学位论文 基于f a s t i c a 算法的自适应m m s e 多用户检测 h ( y ) 一h ( yx ) ，这个差值实际上也是已知x 的取值后所提供的有关y 的信息。 所以我们定义随机变量x 和y 之间的互信息为 l ( x ；y ) = t t ( x ) 一h ( xy ) 或l ( y ；x ) = h ( y ) 一h ( yx )( 2 2 ) 容易证明，l c x ；y ) ；f f l ，( y ；x ) 是相等的。互信息同时也是对x 和y 之间统计依存度 的信息量度。 对于离散随机变量x ，y 之间的互信息量为 地叫。g 高一。g 志 设一随机矢量y = y ，y ：，y 。】7 ，则y 的各分量之间的互信息为 地) = h ( y 。) 一h ( y ) 这里，i ( y ) 0 ，当且仅当y 的各分量之间相互独立时等号才成立。 2 2 3 k u l l b a c k - l e i b l e r ( k l ) 散度 ( 2 3 ) ( 2 4 ) 设只( x ) 是随机变量z 的先验概率密度，p a x ) 是x 的后验概率密度，则观察 者对随机变量x 的了解由概率密度只( x ) 到p a x ) 时所获得的信息量为鼻( x ) 与 p a x ) 之间的k l 散度d ( 鼻1 1 只) ，且， 则忆) = 莩删。g 怒 ( 2 5 ) 离： 其中互信息i ( x ；y ) 是k l 散度的特殊形式，度量了联合熵和概率积间的距 ， ，( x ；y ) = d ( p ( x ，y ) 0p ( x ) p ( y ) ) ( 2 6 ) 2 2 4 峭度( k u r t o s i s ) 随机变量x 的峭度定义为 安徽大学硕：l 学位论文第二帝独立分世分析 k u r t ( x ) = e ( x 4 ) 一3 e 2 ( x2 ) ( 2 7 ) 0 均值高斯信号的峭度恒等于0 ，而绝大多数非高斯信号的峭度是不等于0 的，且信号的峭度与0 值偏差越远，信号的非高斯性就越强。这一性质非常重要， 由此我们可以利用随机变量的峭度区别高斯信号与非高斯信号。非高斯信号还可 进一步分为亚高斯信号和超高斯信号，定义如下： 峭度小于0 的0 信号为亚高斯信号，峭度大于0 的信号为超高斯信号。 2 3 独立分量分析的定义及数学模型 在i c a 的发展过程中，h e r a u l t ，j u t t e n 做出了创造性的贡献，k a r h u n e n 和 j o u t s e n s a l o ，以及c i c h o c k i 等人对他们的方法进行了进一步的研究，而c o m o n 则详细论述了独兢分量分析的概念并提出代价函数，l e e t e w o n 等人对已有的 不同i c a 算法进行了归纳，证明了这些方法从信息论的角度来看是等价的，目 前被普遍接受的i c a 定义及其假设如下i l 3 j ： 设s ( f ) = 【s ，o ) ，s 。( f ) 1 7 是肘维零均值的源信号矢量，其分量是相互独立的。 则s 的多元概率密度函数可表示为： m p ( s ) = 兀尸( s ，) ( 2 8 ) f = 】 x ( f ) = i x 。( f ) ，x 。( ，) 7 是| 维观测信号矢量，其每个观测信号分量都是肘个 独立源信号的线性组合，即 x ( ，) = a s ( t ) ( 2 9 ) 这里，a 是一个未知的n m 混合矩阵。此时，x 的各分量之间不再是相互 独立的。i c a 的目标是找到一个对x 做线形变换的m n 矩阵w ，使得x 经过 变换后得到的新矢量y ( f ) = y 。( ，) ，y 。( ，) 的各分量之间尽可能的独立，即 y ( f ) = w x ( o ( 2 1 0 ) y ( t ) 即为源信号矢量s ( ，) 的估计值。 在上述i c a 模型中，我们采用以下假设： 1 ) 传感器的数量大于等于源信号的数量，即n m 13 安徽大学硕：l ：学位论文基于f a s t i c a 算法的自适j 避m m s e 多用户检测 2 1 源信号之问在每一时刻都是相互独立的 3 ) 最多只有一个源信号是高斯分布的 4 ) 无传感器噪声或仅有微量加性噪声 假设1 是为了保证a 是满秩矩阵，假设2 是i c a 的基础。对于假设3 ，两个 白高斯过程源信号无法分离，具有不同频谱的非白高斯过程源信号可以使用时域 去相关性的方法得到分离。假设4 的提出是因为只有在低噪声的情况下输出信号 之间的共有信息才能得到最小化。不过，我们可以把噪声也看作是一个独立的源 信号，通过i c a 算法将其分离出来。 在实际情况下，通常都有噪声的存在，假设噪声是加性的，我们由式( 2 9 ) 得到噪声i c a 的模型：x ( t ) = a s ( t ) + n ( t ) ( 2 1 1 ) 其中n ( t ) = n 。( f ) ，n 。( r ) 】。在实际中，我们假设： 1 ) 噪声相对于各独立分量是独立的 2 ) 噪声是高斯噪声 2 4l e a 估计原理 当前估计i c a 模型的主要方法有非高斯的最大化、互信息的最小化、最大 似然函数估计( m l ) 。 2 4 1 非高斯的最大化 在大多数经典的统计理论里，随机变量被假设为高斯分布。概率论里一个经 典的结论一中心极限定理表明：在某种条件下，独立随机变量的和趋于高斯分布， 独立随机变量的和比原始随机变量中的