（通信与信息系统专业论文）干扰抵消在cdma多用户检测中的应用研究.pdf

论文题目：干扰抵消在c d m a 多用户检测中的应用研究 专业：通信与信息系统 硕士生：张善忠 指导教师：刘联会 摘要 ( 签名 ( 签名 多用户检测技术可以减轻甚至消除码分多址( c d m a ) 系统中多址干扰的影响，使系 统性能显著提高。基于干扰抵消的多用户检测是一类复杂度和性能较理想的方法，被认 为是最有应用前景的多用户检测方法；未来无线蜂窝通信中，降低小区间干扰是提高容 量的重要途径之一，通过多用户检测减轻小区间干扰的影响有重要研究意义。本文研究 了干扰抵消技术在c d m a 多用户检测中的应用，在提高干扰抵消多用户检测的有效性 以及干扰抵消在降低小区间干扰中的应用等方面进行了讨论。主要工作如下： 综述了多用户检测的发展现状和研究进展，给出了几种经典的多用户检测算法并比 较了它们的性能；总结了干扰抵消技术在无线通信系统中的应用，并指出了基于干扰抵 消的多用户检测的研究问题。 研究了两种基本干扰抵消多用户检测算法：串行干扰抵消( s i c ) 和并行干扰抵消( p i c ) 算法。通过理论分析和仿真实验，研究了两者的性能特点。给出了几种典型的干扰抵消 改进算法，并对其有效性进行了仿真验证。 针对s i c 和p i c 在有无远近效应时存在的性能差异，提出了一种基于逐用户反馈的 混合干扰抵消( h i c ) 结构，并推导了其误码率表达式；进一步给出了分组h i c 和部分h i c 两种改进算法，且通过仿真证明了其有效性。 基于s i c 在用户间存在一定的功率差异时性能优势明显，研究了一种修正的功率控 制准则；基于该准则的s i c 有一定的抗小区间干扰能力。为了迸一步提高小区边缘弱用 户检测的可靠性，提出一种基于s i c 和子空间的上行链路半盲多用户检测。仿真结果表 明，该算法可有效地检测强用户和弱用户，误码率和输出信干噪比性能都有明显改善。 关键词：码分多址；多用户检测；干扰抵消；误码率：小区间干扰；子空间方法 研究类型：理论研究 s u b j e c t ：a p p l i c a t i o nr e s e a r c ho fi n t e r f e r e n c ec a n c e l l a t i o ni nc d m a m u l t i - u s e rd e t e c t i o n s p e c i a l t y ：c o m m u n i c a t i o na n di n f o r m a t i o ns y s t e m n a m e ：z h a n gs h a n z h o n g i n s t r u e t o r ：l i nl i a n h u i a b s t r a c t m u l t i - u s e rd e t 觚o n ( m u d ) c o u l da l l e v i a t e ，e v e ne l i m i n a t em u l t i p l - s a , e s si n t e r f e r e n c e i nc o d ed i v i s i o n m u l t i p l e - a c c e s s ( c d m a ) s y s t e mt oi m p r o v es y s t e mp 础o r m a n c e s i g n i f i c a n t l y m u db a s e do n i i 吐e d 弩阮咀c ec a n c e l l a t i o n ( i c ) i sak i n do fm e t h o dw i t hr a t i o n a l c o m p l e x i t ya n dp e r f o r m a n c e , a n di t sc o n s i d e r e da st h em o s tp r o m i s i n gm e t h o d ；r e d u c i n g i n t e r - c e l li n t e r f e r e n c ei so n eo f t h em o s ti m p o r t a n ta p p r o a c h e st oi n c r e a s es y s t e mc a p a b i l i t yi n f u t u r ew i r e l e s sc e l l u l a rc o m m u n i c a t i o n , a n di t sq u i t ei m p o r t a n tt os t u d ym u dt oa l l e v i a t e i n t e r - c e l li n t e r f e r e n c e i nt h i sd i s s e r t a t i o n , t h ea p p l i c a t i o no fi ci nc d m am u di ss t u d i e d , a n d $ o l n ew o r k s 鼬c e n t r a l i z e di ni m p r o v i n gt h ev a l i d i t yo fi c - b a s e dm u da n dr e d u c i n g i n t e r - c e l li 玎t c 娟玎即w i t hi ct e c h n i q u e t h em a i nw o r k sa r e 躯f o l l o w s ： t h ec u n 明吐s i t u a t i o na n dr e s e a r c hp r o g r e s so fm u d a r es u m m a r i z e d , a a ds e v e r a lt y p i c a l m u da l g o r i t h m s 躺p r e 渤t c da n dt h e i rp e r f o r m a n c e s 瓣c o m p a r e d ；t h ca p p l i c a t i o n so f i c t e c h n i q u ei nw i r e l e 鸽c o m m u n i c a t i o ns y s t e ma l ec o n c l u d e d , a n ds o m es t u d yp o i n t si ni c - - b a s e dm u da r ep r e s e n t e d t w ok i n d so ff u n d a m e n t a li c - b a s e dm u d a l g o r i t h m s8 r es t u d i e d ：s u c c e s s i v ei ca n d p a r a l l e li c 。t h e i rp e r f o r m a n c ep r o p e a i e s 戤s t u d i e dt h r o u g ht h e o r e t i c a la n a l y s i sa n d s i m u l a t i o n s o m et y p i c a ii m p r o v e da l g o r i t h m sb a s e d0 1 1i ca r cp r e s e n t e da n dt h e i rv a l i d i t i e s m - ep r o v e d t h r o u g hs i m u l a t i o n a i ma tt h ep 砌o r m a n c ed i s p a r i t yb c t w ( ns i c a n d p i cw h e t h e rt h e r e sn e a r - f a re f f e c t , ah y b r i di c ( h i c ) s h i 砬= t i l 砖b a s e do nu s e r sf e e d b a c ki sp r o p o s e d , a n di t sb i te i t o rr a t e e x p r e s s i o ni sd e r i v e d f u r t h e r , i m p r o v e da l g o r i t h m ss u c ha sg r o u ph i ca n dp a r t i a lh i e a r c p r o p o s e d , a n dt h e i rv a l i d i t i e sa t ep r o v e dt h o u g hs i m u l a t i o n s i n c es i cs h o w sb e t t e rp 盱f 0 幔咖c ew h e nt b _ c r ei ss o m ep o w e rd i s p a r i t yb c l = 、：v c e l ll l s e 鹉， am o d i f i e dp o w e rc o n t r o lr u l ei ss t u d i e d ；s i cb a s e d0 1 1t h i sr u l ec o u l di m p r o v et h ea b i l i t yo f a n t i - i n t e r f e r e n c eo fi n t e r - c e l lt os o m ee x t e n t i no r d e rt oi m p r o v et h ed c t e c t i o nr e l i a b i l i t yo f w e a ku 8 e 嚣n 谢c e l l se d g e 雒u p l i n ks e m i - b l i n dm u db a s e do ns i ca n d $ u b s p a c ei s p r o p o s e d s i m u l a t i o n r e s u l t ss h o wt h a tt h i sa l g o r i t h mc o u l dd e t e c tb o t hs l r o n ga n dw e a ku 8 e 1 9 e f f e c t i v e l ya n dp e r f o r m a n c eo fb i ta c r o rr a t ea n ds i g n a l a n d - i n t e r f e r e n c en o i s er a t i o 砒 i m p r o v e do b v i o u s l y 西要料技丈学 学位论文独创性说明 本人郑重声明：所呈交的学位论文是我个人在导师指导下进行的研究工作及 其取得研究成果。尽我所知，除了文中加以标注和致谢的地方外，论文中不包含 其他人或集体己经公开发表或撰写过的研究成果，也不包含为获得西安科技大学 或其他教育机构的学位或证书所使用过的材料。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做了明确的说明并表示了谢意。 学位论文作者签名银辜患日期：刁。f 学位论文知识产权声明书 本人完全了解学校有关保护知识产权的规定，即：研究生在校攻读学位期间 论文工作的知识产权单位属于西安科技大学。学校有权保留并向国家有关部门或 机构送交论文的复印件和电子版。本人允许论文被查阅和借阅。学校可以将本学 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 等复制手段保存和汇编本学位论文。同时本人保证，毕业后结合学位论文研究课 题再撰写的文章一律注明作者单位为西安科技大学。 保密论文待解密后适用本声明。 学位论文作者签名：；礁脬 撇黼：荔孵 7 1 每；旯l b ， i 绪论 1 i 研究背景与意义 i 绪论 随着移动通信业务的发展，各种新技术层出不穷，特别是新一代无线通信系统的发 展和成熟，对通信系统中高速率、大容量的数据传输提出更高的要求。无线蜂窝移动系 统经历7 三个阶段。从模拟话音业务、数字语音数据业务直到如今的多媒体数字业务； 从多址接入方式上，则经历了频分多址( f d m a ) 、时分多址( t d m a ) 、码分多址( c d m a ) 以及空分多址( s d m a ) 。由于自身特点的限制，f d m a 和t d m a 难以满足日益提高的高 传输速率和大容量的用户数要求。将c d m a 和s d m a 应用于蜂窝移动通信系统能较好 满足上述要求。其中，根据i t u 的标准，新一代无线通信系统中采用c d m a 己达成共 识。 码分多址( c d m a ) 为每个用户分配了特定的地址码对要发送的信息进行扩频调制， 利用公共信息来传输信息。c d m a 系统的地址码相互具有准正交性，以区别不同的信道， 而不同用户的信号在频域、时域和空间上都可能重叠。接收机利用目标用户的地址码对 接收的信号进行相关检测。其他使用不同码型的信号因为和该特定地址码的相关性很小 而不能被解调。在移动通信系统中常用的直接序列码分多址( d s - c d m a ) 是直接用具有高 码率的扩频码序列在发端去扩展信号的频谱，而在接收端用相同的扩频码序列去进行解 扩，把展宽的扩频信号还原成原始信息。c d m a 具有如下优点： ( 1 ) 软容量c d m a 系统中用户个数不存在绝对的限制，不像t d m a 的时隙数或 f d m a 中的子频带数，只要有足够多的扩频码，就可以增加c d m a 中的用户。通过采 用话音激活技术，即用户不说话时，以低速率传送信号，降低对其他用户的干扰，从而 可以在满足各个用户的性能要求的前提下接入新的用户这种信道资源的动态共享可以 使c d m a 系统更加有效地利用有限的频谱资源，达到比t d m a 和f d m a 大得多的实 际容量，这也是c d m a 系统最显著的优越性。 ( 2 ) 抗干扰能力强在c d m a 中，信息码元被扩频码调制，展成了很宽的频谱，如 果在接收端用匹配滤波器提取信号，当接收机本地解扩码与用户扩频码一致时，就将扩 频信号恢复为原来的信息，而其它干扰，尤其是单频或窄带干扰等通过匹配滤波器其频 谱被扩散，从而落入到信号通带内的干扰强度被大大地降低了。 ( 3 ) 保密性好由于扩频信号扩展到很宽的频带上，单位频带内的功率就很小，即信 号的功率谱密度就很低。所以，应用扩频码序列扩展频谱的直接序列扩频系统，可在信 道噪声背景下，在很低的信号功率谱密度水平上进行通信，从而具有很低的被截获概率。 ( 4 ) 抗衰落、抗多径干扰码分多址系统具有潜在的抗频率选择性衰落的能力。这是 西安科技大学硕士学位论文 因为扩频通信系统所传送的信号频谱己扩展很宽，频谱密度很低，如在传输中部分频谱 衰落时，不会使信号造成严重的畸变。此外，如果发送信号的带宽大于信道的相干带宽， 那么接收机就能够分离出多径分量。在码分多址蜂窝系统中，由于其很宽的信号带可以 提取出更多的多径分量，通过一定的方式迸行分集，能有效地克服多径效应。 综上，由于c d m a 的优点和诱人前景，c d m a 在移动通信中得到了广泛的应用， 同时也成为国内外的研究热点。 c d m a 的许多优点在已开通的商用c d m a 移动通信系统中基本上得到了体现，但 应该看到，目前的系统也存在一些不足。在c d m a 系统中，由于多个用户的随机接入， 所使用的扩频码集一般并非严格正交，非零互相关系数会引起用户甸的相互干扰，即多 址干扰( m u l t i p l e a c c e s s i n t e r f e r e n c e ) 。在异步传输信道及多径传播环境中多址干扰将更加 严重。在c d m a 系统中随着同时接入系统的用户数的增加，多址干扰的功率也在增加， 导致误码性能下降，系统的容量将受到限制。 多址干扰可以通过选择互相关性好的扩频码，结合功率控制、纠错编码等进行抑制。 目前的w c d m a 、c d m a 2 0 0 0 及i s 9 5 等系统中，主要采用功率控制技术处理多址干扰 问题，减小彼此间影响，提高系统容量。但功率控制的方法并没有从接收信号中真正去 除多址干扰，只能缓解这种矛盾，不能从根本上解决问题。另一方面，由于信号在移动 通信信道中呈现瑞利衰落，功率控制系统无法补偿由快衰落引起的信号功率变化，特别 是当终端速度很快时，功率控制技术会失效。令人鼓舞的是，近年来研究的多址干扰抑 制理论和技术又给出了更好的解决办法，引起了人们的极大兴趣。1 9 8 6 年，s v e r d u 提 出了最优多用户检测器i ，认为m a i 是具有一定信息结构的有效信息。为了适应下一代 通信系统中用户剧增及数据量大的特点，采用多用户检镄g ( m u d ，m u l t i - u s e rd e t e c t i o n ) 技术能有效解决系统性能及容量的问题。多用户检测认为多址干扰与白噪声具有互不相 同的统计特性，是可估计、可再生、可去除的。它通过挖掘有关干扰用户的信息来消除 多址干扰，进而提高信号检测的稳定性，不再像传统检测器那样忽略系统中其它用户的 存在。 多用户检测的主要用途是提高带宽效率，获得系统容量和覆盖的改进。多用户检测 通过消除小区内干扰来提高上行链路的带宽效率，因此增加了系统容量。实际的容量增 加值取决于算法的有效性、无线环境和系统负载( 用户数量) 。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，从而提高 整个系统的频带利用率。除了提高带宽效率及改进容量，更重要的是多用户检测可以降 低多址干扰，缓解远近效应”问题。多用户检测还可以缓解功控的负担，减少上行链路 中多址干扰功率，这意味着降低了对终端发射机的功率要求，节省出的发射功率可以用 于增大小区覆盖面积。 2 1 绪论 1 2 多用户检测的发展和现状 如果说1 9 9 3 年以前主要是各种多用户检测器提出的时期，那么近年来的研究工作 主要是在这些多用户检测结构下，如何使之走向实用化。由于第三代移动通信系统 i m t - 2 0 0 0 的提出，各国一致希望在i m t - 2 0 0 0 的候补建议中采用m u d 。日本主要研究 多级干扰抵消检测，美国主要研究自适应检测，欧洲标准协会( e s a ) 则在卫星通信系统 i m t - 2 0 0 0 的候补建议中，提出前向链路m m s e 检测。我国的3 g 标准t d - s c d m a 将多 用户检测作为关键技术之一，并已在部分地区的测试网中证实了其可行性。 从信息论角度来看，c d m a 系统是一个多入多出( m i m o ) 的系统，采用传统的单入 单i 丑( s i s o ) 检测方式( 如匹配滤波器) ，不能充分利用用户间的信息，由于将多址干扰认 为是高斯白噪声，因此大大降低了系统容量。采用最大似然序列检钡g ( m l s d ) 可以逼近 单用户接收性能，并有效克服远近效应，大大提高系统容量，因而开始了对多用户检测 的广泛研究。但是m l s d 结构是匹配滤波器组加上v i t e r b i 算法，其复杂度为0 ( 2 ) ，置 为用户数，这在工程上基本无法实现( i 卅，因此人们开始研究各种次优多用户检测，要 求在保证一定性能的条件下能够将复杂度降低到工程可以接受的程度；另外，由于 c d m a 系统中日益提高的带宽及数据速率的要求，此领域开始关注于多径衰落信道中的 多用户检测技术的研究。近期的研究热点主要集中在自适应方法以及盲检测在m u d 中 的应用，联合信道估计算法的m u d 也是解决多径信道中衰落问题的主要研究手段。 多用户检测的基本思想是把所有的用户信号都看作为有用信号，而不是当作干扰信 号。与传统检测器相比，m l s d 检测器具有高的性能和容量增益，但却是不实际的。主 要的次优检测有线性检测、多级干扰抵消检测和非线性概率检测。线性检测包括m m s e 检测和解相关检测，非线性概率检测包括序列检测、分组检测和基于神经网络的检测， 虽然非线性类概率检测采用非线性方法逼近最大似然函数，性能比较好，但是由于其复 杂度比较高，收敛速度慢而没有得到广泛的研究。 由于无线信道是时变系统，因此引入自适应技术，不仅自动跟踪信道变化，而且可 以降低每次的计算量。自适应算法是线性检测的关键技术，同时也可以引入非线性检测 中。自适应算法包括带发送序列的一般算法和盲自适应算法。由于发送训练序列不仅占 用一定的资源，而且还要提高其发射功率以保证判决的可靠性，而在多径信道中很容易 产生深度衰落，这就需要频繁的发送训练序列，从而大大降低了系统性能，因此当前的 主要研究工作集中在盲自适应算法的研究1 5 - 7 1 。基于予空间的盲多用户检测由于其性能 更加优越，且子空间跟踪领域的研究十分活跃，因此得到更广泛的关注。 事实上，m u d 并没有成为目前商用3 g 标准的主流技术，仅有t d - s c d m a 将m u d 作为关键技术，而w c d m a 和c d m a 2 0 0 0 仅将m u d 列为后续的增强型技术，这是由 多方面原因造成的。推进m u d 的实用化进程以及进一步研究t d 系统中的联合检测问 西安科技大学硕士学位论文 题，使得m u d 有必要继续深入的研究。干扰抵消是一种复杂度和性能相对理想，更有 利于实现的多用户检测方法。基于干扰抵消的多用户检测是一个重要的研究方向，并被 认为是最有前景的多用户检测方法刚。深入研究多用户检测的干扰抵消算法有一定的现 实意义。 1 3 干扰抵消的研究与发展 干扰抵消( i n t e r f e r e n c ec a n c e l l a t i o n ) 技术随着在多用户检测中的广泛研究得到了更 多的关注。实际上，其它形式的干扰抵消方法已经有了广泛的应用干扰抵消并没有严 格的定义；在无线通信系统中，干扰抵消可以解释为；通过解调期望信息，并结合信道 估计等将其用于去除接收信号中的干扰信号。在干扰抵消系统中，在判决之后进行信号 处理以去除后级检测的干扰。 j g a n d r e w s 指出【引，除了在m u d 中的具体应用，多用户的干扰抵消原理最早的理 论基础始于1 9 7 2 年t c o v e r 的研究。尽管有显著的复杂度低的优势，一种简单的串行干 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 ) 结构直到1 9 9 0 年才出现。该方法在理想的信 道估计和大扩频增益的前提下，在多用户c d m a 系统加性高斯白噪声( a w o n ) 信道中可 以接近香农容量其它文献也证明了s i c 通过单用户译码可以达到上行和下行链路的香 农容量极限。另外，结合线性m m s e 算法的干扰抵消接收机可以接近最优检测的性能。 一种典型且成功的干扰抵消应用是判决反馈均衡( d e e ) ，用于去除频率选择性信道 中的符号间干扰o s i ) 。d f e 较线性均衡器有明显的性能优势，但易受噪声强度的影响。 干扰抵消同样可应用于去除类似的干扰，如多用户干扰或空域干扰。多天线系统中的 b l a s t ( b e l ll a b sl a y e r e ds p a c e - t i m e ) 算法和空域干扰抵消接收机均可分离空域多个数据 流。在c d m a 多用户系统中，可以用同样的方法进行干扰抵消。简言之，如下的干扰抑 制存在许多相似之处：i s i ( 均衡器) 、空域干扰( m i m o 接收机) 、多用户干扰( 多用户检测) 。 这些干扰都可以通过最大似然接收机达到最优性能，但复杂度难以接受；线性变换( 如 解相关和m m s e ) 也是常用的方法，但非线性的干扰抵消技术往往被认为性能优越且最 具实用性，然而也较难进行理论分析。 尽管近年来出现了迭代干扰抵消方法，但多用户检测中的干扰抵消总体上分为串行 ( s l c ) 和并行( e l c ) 两种。由于两种方法均存在不同程度的缺点，因此哪种方法在实际系 统中达到更大的容量还存在争议。随着近年来迭代并行干扰抵消研究( 也称为t u r b o m u d ) 的展开，这一问题显得更加复杂，t u r b o 多用户检测可以十分接近单用户性能界。 尽管干扰抵消型多用户检测存在若干问题，但近年的研究已成功的证实了大部分算法的 有效性，并向商用方向接近。由于结构的差异，p i c 和s i c 存在一些相似的和自身的问题。 这些问题包括信道估计误差和误差传播问题、合适的功率控制策略、考虑多径信道以及 实现的复杂度等；另外最近展开的干扰抵消研究有迭代干扰抵消和g s m 系统下行链路的 1 绪论 s a i c ( s i n g l e a n t e n l l a 硼甜向c ec a n c e l l a t i o n ) 等。 1 4 本文工作及内容安排 本文主要研究了d s - c d m a 系统中基于干扰抵消的多用户检s d ( m u d ) 技术，综述了 几种基本m u d 算法，研究了干扰抵消在无线通信系统中的应用，并指出了当前干扰抵 消m u d 的研究问题；通过分析和比较串行干扰抵消( s u c c e s s i v em t c r 向蜘c ec a n c e l l a t i o n ) 和并行干扰抵消( p a r a l l e li n t c r f c r v n c ec a n c e l l a t i o n ) 算法，提出一种结合二者结构特点的基 于逐用户反馈的混合干扰抵消算法，且给出了其改进算法以降低时延和进一步改善性 能；为了抑制蜂窝系统的小区外干扰，研究了一种适用于s i c 方法的修正的功率控制准 则；进一步的，结合干扰抵消构造一种基于子空间的上行半盲多用户检测，可更好的消 除小区外干扰。 各章主要内容安排如下： 第二章给出了多用户检测的基本理论，指出了m u d 发展所面临的问题和挑战；通 过d s - c d m a 系统的多用户信号模型，分析和比较了几种多用户检测算法。研究了干扰 抵消在无线通信中的应用，并进一步分析了干扰抵消多用户检测几个值得深入研究的问 题。 第三章研究了干扰抵消应用于多用户检测的一般原理，综述了几种基本的干扰抵消 算法及其改进算法；重点研究了两种基本算法s i c 和p i c ，通过理论分析和数值仿真证 明了两种算法的性能特点，得出在远近效应程度不同时二者产生较明显的性能差异。 第四章通过总结s i c 和p i c 的优缺点，并结合二者的结构特点，提出一种逐级跟踪 前面用户后级判决信息以提高判决可靠性的混合干扰抵消检测器( h y b r i di c ) 从理论上 近似分析了h i c 的误码率性能表达式，用于估计该接收机的性能。该算法改善了系统的 误码率性能，并具有较好的抗远近效应能力。为了解决该结构存在的时延问题和进一步 控制误码传播问题，应用分组和部分干扰抵消的思想给出了h i c 的两种改进算法。 第五章研究了结合干扰抵消的上行链路半盲多用户检测，以降低c d m a 蜂窝系统 的小区外干扰。综述了几种降低小区外干扰的多用户检测方法，并研究了适用于s i c 方 法的修正的功率控制准则，可以降低系统的总体发送功率和小区外干扰的影响。结合上 述的功控准则，构造一种首先通过干扰抵消检测基站附近强用户，接着用子空间方法检 测其他用户的半盲多用户检测器。通过仿真发现，该方法充分利用了小区内用户的信息， 较上行的纯盲子空间检测性能迸一步改善，具有良好的抗小区外干扰能力。 第六章对全文进行总结，并指出了后续的研究工作和该领域今后的发展方向。 5 西安科技大学硕士学位论文 2 多用户检测和干扰抵消概论 本章将从原理上介绍多用户检测( m u d ) 对c d m a 通信系统的有效性和重要性，综 述了几种基本的m u d 算法和当前m u d 的发展动态；通过概括干扰抵消在无线通信系 统中的典型应用，引出基于干扰抵消的多用户检测，并指出了当前该领域的几个研究方 向。 2 1 多用户检测技术概论 2 1 1m u d 的必要性 m u d 能够消除c d m a 系统中由其他激活用户引起的m a i 。v e r d u 已经证吲“，最 优m u d ( 最大似然序列检测，m l s d ) 可以达到单用户的性能( 图2 1 ) 。换言之，最优检测 器可视为没有其他干扰用户的存在。这是因为多用户检测从接收信号的结构中提取多址 干扰的有用信息，将期望用户的信息解调，经过m u d 处理的接收信号，可以尽量消除 多址干扰和码问干扰，以提高系统性能和容量。由于最优检测器的复杂度太高，各种次 优检测器相继提出，其结构和算法相对简单，但性能有不同程度的降低。各种次优算法 以m l s d 为性能极限，相对于传统检测器仍有明显的性能改善。 以加性高斯白噪声( a w g n ) 下的同步c d m a 系统为例，可以证明m u d 给系统性能 带来明显改善。系统中共1 0 个用户，扩频序列为3 l 位g o l d 码，精确功率控制，被测 性能为输入信号信噪比( e b n o ) 变化时各用户的平均误码率( b e l l ) 。由图2 1 看出，v e r d u 提出的m l s d 方法能有效的逼近单用户的b e r 性能，且相对传统匹配滤波器( h 伍) 有相 当大的改进。 e 图2 1 多用户检测与m f 检测器的性能比较 6 2 多用户检测和干扰抵消概论 2 1 2 算法原理与比较 ( 1 ) 信号模型 同步模型 一个具有k 个用户的同步c d m a 系统，在a w g n 信道中的接收信号模型可以表示 为 ，( o = a k b , s t ( o + 栉( r ) r e 【o ，r 】 ( 2 1 ) 其中r 表示数据符号周期；s k ( r ) 表示第七个用户的扩频序列的波形，且 k | 2 = i r l , ( f m 2 d t = l ；以代表用户七的接收信号幅度，4 2 为接收信号功率；以e - l ，+ l 表示用户k 的比特信息；雄( f ) 为均值为0 ，方差为盯2 的高斯白噪声的随机过程。写成向 量形式 ，= 鼢西+ 一 ( 2 2 ) 则s = i s t ，s ，1 ，a = 西昭“，4 ，以) ，6 = h ，b 2 ，k l r ，露为噪声向量。 两个扩频序列之间的相关系数岛= f s , ( t ) s j ( r ) 毋( 周期相关系数) 匹配滤波器的输出信号： m = f r ( t ) s ，( t ) d t i y 【= l r 。( t ) d t ( 2 1 ) 式代入可得： 儿= 4 以+ 一，屯鲰+ 仇( 仇= f 盯o ) ( f ) 毋高斯随机变量) ( 2 4 ) j 嶙 上式右项分别表示用户k 的信息、其他七1 个用户的多址干扰及噪声项。采用矩阵形式 表示 j ，= r a b + a，( 2 5 ) 置= 1 n 2 岛l 1 ： 办l n t l 表示归一化互相关系数矩阵；j ，= “，y 2 ，儿) r ； 7 西安科技大学硕士学位论文 西= 慨，b 2 ，b x ) r ；a =；席= “，厅：，k ) r 代表高斯噪声矢量；协 方差矩阵e 伽矗) = 2 置。式( 2 5 ) 作为假设检验问题的统计量包含了原观测值与最佳决 策有关的所有信息。称为充分统计量( s u f f i c i e n ts t a t i s t i c s ) 。 m f 检测器经匹配滤波解扩后对( 2 4 ) 式直接判决，即d k = s 砥儿) 容易看出，直接 判决的结果是不能去除用户间的多址干扰。当用户的功率存在差异，且干扰用户的能量 远大于期望用户时，将产生“远近效应”，所以c d m a 系统中进行功率控制是必要的。 多用户检测的目的是联合检测解调发送比特矢量b ，尽量降低多址干扰的影响，同时得 到x 个用户的信息。 。 多径异步模型 实际的多径信道模型可由下式表示： 幽 魂( r ) = 嘶即一z ；( 七) ) ( 2 6 ) i s l 其中三 ) 、嘶( 七) 、乃( d 分别表示第k 个用户的多径数、每条径的衰落系数和每条 径的时延；j 表示冲激响应函数。每个用户的发送信号可表示为 兰 p k ( t ) = a k b k ( j ) s k ( t j r ) ( 2 7 ) i - 一m 其中2 m + l 表示数据帧的符号数；经过多径信道后的接收信号为 ，( f ) = 既o ) 以( f ) + 一( f ) 7 1 f ( 2 8 ) = 4 以( ，) 嘶( d 以( ，一，r 一乃( j ”+ 哟 k - ! j = - m i = i 容易看出，多径信道对c d m a 接收信号的影响可看作扩频波形的畸变；实际上多 径信号是几条不同步路径信号的叠加。 ( 2 ) 基本原理 从1 9 7 9 年s c h n e i d e r 提出多用户检测概念以来，特别是1 9 8 6 年v e r d u 分析了m l s d 应用于c d m a 最优多用户检测方法，由于其复杂度问题，各种次优算法相继提出。这 些次优算法总体上分成线性和非线性两大类。线性检测将接收机视为一种线性变换器， 通过一定准则变换后的接收信号能够不同程度提高渐近有效性；非线性干扰抵消检测则 通过估计干扰用户的参数重构多址干扰，并从接收信号中将其抵消，以提高期望用户的 检测性能。图2 2 简要概括了m u d 算法的分类。 l 2 多用户检侧和干扰抵消概论 最优检测算法 llf 解相关检测算法 ii 线性 m m s e 检测算法 lll 多项式展开检测算法 j 基于匹配滤波输出f伸行干扰抵消检测算法 次优检测算法i 非线性 多级型1 蒹雾辜蓑羹雾蓑雾茎萋 ili 判决反馈d f 检测算法 ii 盲自适应检测算法 i 基于码片速率 非盲自适应检测算法 ii 基于子空间检测算法 图2 2 多用户检测算法分类 最优多用户检测 在发射信号先验等概条件下，a w g n 下c d m a 最优多用户检测器就是最大似然准 则m u d 。该检测器将产生最大似然序列西，依据是从接收信号r ( 0 中找出发送的序列b ， 使得b 的概率最大化，这里概率指的是联合后验概率研bi ，( f ) 】，该检测器又称为 最大似然序列检测器( m l s d ) 。 由于c d m a 系统的信号模型可以等价为m 元等概论的假设检验问题，结合信号检 测理论，可以把序列b 的最佳解调看作一个厨用户数) 元决策问题，相当于要求满足如 下的联合最优检测准则 r 占= a r g 懈e x p ( - 专f 眦) 一萋6 1 4 ( ，) 】2 奶 ( 2 9 ) 等价为代价函数 ( 6 ) = 2 6 4 y b a 7 r , , 4 b( 2 1 0 ) 上述优化准则是一个组合优化问题，需要穷举所有信号组合，才能进行最优判决。 对于b 7 a 7 尼伯，可以事先计算不占用运算量，由于发送信号矢量b 有2 种组合，因此， 译出一个比特所需要的运算量为衅： ，这是一个指数复杂度的算法。v e r d u 已经证明 这种问题的复杂度是n p ( n o n - d e t e n n i n i s t i cp o l y n o m i a l ，非确定性多项式) 问题，不存在 多项式复杂度的求解方法已经证明，m l s d 可以达到单用户系统的性能( 参考图2 1 ) ， 且具有最高的渐近有效性和抗远近效应能力。 由于各种次优检测器的实现也存在种种困难，因此针对如何优化求解最优检测中的 似然函数，展开了结合智能仿生算法的m u d 研究【l o l ，如遗传算法、神经网络、免疫算 法及禁忌搜索算法等。这些方法往往能够减少似然函数的计算量，且在性能上能较好逼 9 西安科技大学硕士学位论文 近m l s d ，但仍有不足之处，与工程实现存在差距。 线性多用户检测 线性检测器用线性变换减弱接收信号中的m a i 。解相关和最小均方误差( m m s e ) 是 两种典型的线性接收机。解相关接收机以增加噪声能量为代价完全消除m a i 的影响， m m s e 则在考虑背景噪声的基础上去除m a i 。 解相关检测器是对传统检测器使用了逆矩阵置一，以便解调出数据( 假设对于异步系 统逆矩阵是可求的) ，由式( 2 5 ) 可得检测器的软判决为 r 一1 y = a b + r 一1 糟= a b + z ( 2 1 1 ) 式中，r - 1 y 为新的统计矢量，z = r 。1 磨为变换的高斯噪声分量，其自相关阵( 即z 的噪声 功率) 为盯2 置：，它总是大于a w g n 通过匹配滤波器后的输出噪声功率。由此可以看出 解相关检测器完全消除了m a i ，这种检测器与彻底消除i s i 的迫零均衡器非常类似。对 置。1 y 进行检测判决，可得接收机恢复信息矢量 。 6 = s g n r 1 纠= s g n a b + z 】 ( 2 1 2 ) 由于这种检测器对相关输出进行了处理，去掉了各用户问的相关性，故称为解相关 检测器。它的一个重要缺陷在于矩阵求逆很难实时计算。有人相继提出了次优解相关检 测算法包括截断窗解相关检测以及高维矩阵分解为多个低维矩阵进行求逆处理，对于实 用化更有效。 m m s e 检测器是考虑噪声和接收信号功率的线性检测器，它的目标是最小化均方误 差代价函数 卸唱n 卯研l 西一砂j 2 】 ( 2 1 3 ) 将式( 2 5 ) 代入上式，求梯度可得线性变换矩阵为 瓦n 衄= 僻+ c r 2 a 4 ) _ 1 ( 2 1 4 ) 由此可得m m s e 判决矢量为 西m 珊= 俾+ c r 2 a - 2 ) - 1 y ( 2 1 5 ) m m s e 实际上是解相关检测器的修正。m m s e 检测器的基本思路是在抑制干扰和 提高噪声功率之间取得折中平衡，其目标是让输出的均方误差最小化，因此当噪声比较 大时，可通过一定的残余多址干扰的代价来降低噪声因此m m s e 检测器一般可以获 得更好的性能。m m s e 检测器的主要缺陷在于它需要估计接收信号的幅度，对估计误差 比较敏感。另外，它的性能依赖于干扰用户的功率，抗远近效应能力有所损失。 ， 另外一种线性检测器是多项式展开检测器，通过优化多项式系数，能够以非常低阶 的多项式逼近线性变换矩阵，即采用合适的系数矢量，可以得到 2 多用户检测和干扰抵消概论 ，= 卿置* 扣0 。 厂( 置) = q 盖* ( 置+ 盯2 a - 2 ) - 1 ( 2 1 6 ) 。i - 0 根据c a y l e y - h a m i l t o n 矩阵分解定理，对有限长的数据帧长，上式可以精确逼近解相关 或m m s e 检测器。 事实上。得到广泛研究的自适应多用户检测也属于线性检测器。将m u d 等价为一 个横向滤波器，根据自适应算法实时更新滤波器系数，能够适应多径时变信道。根据是 否需要传送训练序列，自适应检测可以分为非盲型和盲型。由于m m s e 检测器的表达 式便于实现自适应算法，且能得到更好的误码率性能，因此基于m m s e 准则的自适应 算法得到更多的关注其中非盲型算法的收敛性能和稳态性能均较好，在当前实际系统 中该方法是主要的标准和技术，缺点是需要不断发送训练序列，浪费带宽资源，大大降 低了系统的有效性和可靠性；而盲自适应算法在当前展开了相当广泛的研究，这是因为 可以从信号本身提取信道状态和用户信息，相当于一种单用户检测器。然而，盲算法还 存在种种问题，如收敛性和计算复杂度之间的矛盾，因此与工程应用还有距离，有待于 进一步研究。 非线性检测器 事实上，最优多用户检测器求解最大似然函数也是一种非线性方法，其它几类非线 性方法通过逼近最大似然函数实现，包括序列检测器、分组检测器等，但其复杂度和收 敛性能均与应用有一定差距。 另一类重要的非线性检测器是干扰抵消( i n t e r f e r e n c ec a n c e l l a t i o n ) 检测器。这些算法 的基本原理是在接收端分别估计和重建各个干扰信号，然后从接收信号中减去某些或全 部多址干扰估计。i c 检测器基本可以分为s i c ( 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 ) 和 p i c ( 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 ) 。在接收信号进行s g n 函数判决之前，先重构干扰 用户的多址信息，并将其从接收信号中去除，以降低多址干扰的影响。 s i c 首先根据接收到的各用户信号功率按强弱排序。每次仅检测一个用户，且首先 解调出的是最强功率的用户，再从总的接收信号中减去重构的最强用户干扰，然后再重 构和抵消次强干扰，依次类推下去。p i c 无需进行功率大小排序，估计所有的干扰信号， 并且对每个用户并行抵消所有干扰信号。总体上讲，由于p i c 在每级去除更多的干扰性 能较好，但s i c 结构简单、抗远近效应能力强，两者各具特点。该问题的进一步讨论将 在后文中展开。 ( 3 ) 算法比较 基于求解最大似然函数的m l s d 和非线性算法在性能上能逼近单用户检测器，然而 其工程应用前景并不看好。现阶段的研究重点集中在线性检测和干扰抵消两种方法。总 西安科技大学硕士学位论文 体上讲，线性检测在对抗多址干扰上优于干扰抵消方法，但随着信道条件及信噪比等因 素的变化，两种方法的性能关系也将发生一定的变化。下面对相关文献的研究作简要总 结。 文献【9 】比较了s i c 、部分p i c 、解相关和m m s e 检测器在不同环境下的性能。当系 统有精准的功率控制，部分p i c