（电路与系统专业论文）cdma通信系统自适应多用户检测方法的研究.pdf

摘要 摘要 c d m a 系统多用户检测技术( m u d ) 是第三代移动通信系统的关键技术之 一，在近2 0 年来大量研究的基础上取得了长足的进步。虽然已有大量多用户检 测方案相继被提出，但多用户检测技术本质上属于一类涉及到如何有效平衡计算 复杂度和检测性能之间关系的优化问题。其中，c d m a 系统的自适应多用户检 测具有实现复杂度低、对系统知识要求少、可单用户及盲实现等优点具有很好 的应用前景。 本文紧密围绕自适应信号处理技术与多用户检测这两个主题进行研究，其主 要贡献可以归纳如下： 1 大多数的多用户检测技术都是在假设用户信号已经同步和用户信号功率 已知等条件下进行的。实际上这需要在多用户检测前对用户的多径信道 参数，包括幅度、相位和时延等进行估计。作者提出了种c d m a 信道 的快速自适应估计方法，包括单信道和多径信道情况。理论分析和计算 机仿真表明该方法比现有算法具有更快的收敛速度。同时，该信道估计 方法在本文中提出的一些新型多用户检测器中得到了应用。 2 大多数的自适应滤波算法都是针对实值进行处理的。复值白适应信号处 理技术能比其相应的实值处理技术提供更好的稳健性与更快的收敛速 度。作者提出了一种基于欧几里德方向集搜索的快速复值自适应滤波算 法( c e d s ) ，该c e d s 算法不仅能应用到复值自适应信号处理中，还能 在高性能多用户检测器的设计中被采用。同时还证明了c e d s 算法的稳 定性。 3 提出一种两级结构的自适应多用户检测器，该检测器对多址干扰具有很 强的抑制能力。对比仿真试验表明该检测器性能优于自适应m m s e 多用 户检测器。 4 提出了一种复值函数型连接神经网络( c f l n n ) 结构及其学习算法。通 过在复值系统辨识任务中的对比试验，表明c f l n n 性能接近或优于常 规的多层感知器( m l p ) 。并设计出一种基于c f l n n 的c d m a 自适应 非线性检测器，仿真结果表明该检测器的性能优子复值m l p 检测器。 电子科技大学博+ 学位论文 5 在盲m o e 准则的基础上提出了一种新型c d m a 系统的复值盲自适应检 测器，由于具有更低处理维度，该检测器比常规的复值盲自适应检测器 性能更佳。最后，将一种刚体动力学优化算法引入到盲m m e 检测标准 中，得到了比常规盲m m s e 检测器更佳的性能。 关键词：多用户检测多址干扰c d m a 误码率远近效应盲多用户检测 自适应多用户检测3 g 移动通信 一垒堕! 型 a b s t r a c t i nt h ep a s tt w od e c a d e s b ec o n s i d e r e da so n eo f t h ek e yt e c h n i q u e sf o rt h e3 m g e n e r a t i o n ( 3 0 ) 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 r c d m a s y s t e mm a d ei t so b v i o u sp r o g r e s s a l t h o u g hap l e n t yo fm u d a l g o r i t h m s h a v eb e e n p r o p o s e db ym a n yr e s e a r c h e r s ，m u df o rc d m a s y s t e m c a l lb ee s s e n t i a l l y r e g a r d e da s o n ek i n do fo p t i m i z a t i o np r o b l e mi nw h i c ht h et r a d e o f fb e t w e e nt h e c o m p u t a t i o n a lc o m p l e x i t ya n dd e t e c t i o np e r f o r m a n c es h o u l db ee l a b o r a t e l yb a l a n c e d a m o n g a l lk i n d so f m u l t i p l eu s e rd e t e c t o r sf o rc d m as y s t e m ，a d a p t i v em u d i st h e p r o m i s i n go n ew i n la 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 y e 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 ni n c l u d i n gt h et r a i n i n g s e q u e n c e ，t h u sc a l lb ei m p l e m e n t e da sa b l i n d m u d i nt h i st h e s i s ，t h ea u t h o rd e m o n s t r a t e sh i sc l o s es t u d yo nt h et o p i co f a d a p t i v e s i g n a lp r o c e s s i n ga n dm u da l g o r i t h m si nd e t a i l t h em a i nc o n t r i b u t i o no f t h i st h e s i s c a i lb es u i t i m m i z e da sf o l l o w s ： 1 m o s tm u d a l g o r i t h r n sa r ed e v e l o p e dw i t ht h ea s s u m p t i o no fp e r f e c tu s e r s i g n a ls y n c h r o n i z a t i o na n da c c u r a t ek n o w l e d g eo nt h eu s e i s i g n a lp o w e r i n f a c t ，t h i s a s s u m p t i o n i n d i c a t e st h a ta l lw i r e l e s s p r o p a g a t i o n c h a n n e l p a r a m e t e r s ，s u c ha sm u l t i p l ep a t ht i m ed e l a y , a m p l i t u d ea n dp h a s eo f f s e t ， s h o u l db ee s t i m a t e d # o rt ot h em u l t i p l eu s e r d e t e c t i n g t h ea u t h o rp r o p o s e d af a s t a d a p t i v ec d m a c h a n n e le s t i m a t i o na l g o r i t h mb o t hf o rt h es i n g l e c h a n n e la n dm u l t i p l ec h a n n e l sc a s e s p e r f o r m a n c ea n a l y s i sa n ds i m u l a t i o n r e s u l t ss h o wt h a to u r a l g o r i t h m h a sf a s t e r c o n v e r g e n c ea b i l i t y t h a nt h e e x i s t i n ga l g o r i t h m s t h ea l g o r i t h mi st h e nu s e di nt h en o v dm u dp r o p o s e d i nt h et h e s i s 2 m o s te x i a i n g a d a p t i v ef i l t e r i n ga l g o r i t h m s a r e o n l y f i tf o rr e a l - v a l u e d p r o c e s s i n g c o m p l e x v a l u e da d a p t i v es i g n a lp r o c e s s i n gc a np r o v i d em o r e r o b u s t n e s sa n df a s t e rc o n v e r g e n c ea b i l i t yt h a ni t sr e a l - v a l u e dc o u n t e r p a r t t h ea u t h o r d e v e l o p e d a c o m p l e x - v a l u e de u c l i d d i r e c t i o ns e tb a s e d l 也予科技人学博一l ：学何论文 3 4 5 a d a p t i v el e a r n i n ga l g o r i t h mu s e f u lf i o rc o m p l e x - v a l u e ds i g n a lp r o c e s s i n g 抽 w e l la sd e s i g no fh i g hp e r f o r m a n c em u d t h es t a b i l i t yo ft h ep r o p o s e d a l g o r i t h mi sa l s os t u d i e d an o v e l t w o - - s t a g ec o m p l e x - v a l u e da d a p t i v em u da l g o r i t h mf e a t u r i n gs t r o n g a n t i m a i ( 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 ) c a p a b i l i t y i s s u g g e s t e d 。 c o m p a r a t i v ep e r f o r m a n c es i m u l a t i o nw i t hr e s p e c tt o o t h e rk i n d so fm u d s h o w st h a to u r a l g o r i t h mo u t p e r f o r m se x i s t i n ga d a p t i v em m s e m u d s ac o m p l e x v a l u e df u n c t i o n a ll i n kn e u r a ln e t w o r k ( c f l n n ) 、“mi t s t r a i n i n ga l g o r i t h mi sp r o p o s e d ，i n t h ee x p e r i m e n tr e l a t e dt oa c o m p l e x - v a l u e d n o n l i n e a rs y s t e mi d e n t i f i c a t i o nt a s k ，i ti ss h o w nt h a tt h ec f l n na l g o r i t h m h a s e q u a l o rb e t t e r p e r f o r m a n c e a s c o m p a r e d t ot h ec o n v e n t i o n a im l p ( m u l t i p l el a y e rp e r c e p t r o n ) an e wa d a p t i v e n o n l i n e a rm u db a s e do n c f l n nw a s p r o p o s e d ，s i m u l a t i o nr e s u l t si n d i c a t et h a ti th a sb e t t e rd e t e c t i o n p e r f o r m a n c e t h a nt h ec o m p l e x - v a l u e dm l pb a s e dm u d 。 an e w c o m p l e x - v a l u e da d a p t i v eb l i n dm u d b a s e do nt h ew e l l - k n o w nb l i n d m o ec r i t e r i ai sd e v e l o p e d ，t h ea l g o r i t h mh a sb e t t e rp e r f o r m a n c et h a nt h a to f ab l i n dm u d u s i n gc o n v e n t i o n a la d a p t i v ea l g o r i t h ms i n c eal o w e rs e a r e h i n g d i m e n s i o ni si n v o l v e d f i n a l l y , ar i g i db o d yd y n a m i c st r a i n i n ga l g o r i t h mi s i n t r o d u c e dt oc o n s t r u c tab l i n dm m e a d a p t i v em u d ，w h i c h l e dt oi m p r o v e d p e r f o r m a n c e a sc o m p a r e dt ot h ec o n v e n t i o n a lb l i n dm m s em u d k e yw o r d s ：m u l t i p l eu s e rd e t e c t i o n ( m u d ) ，m u l t i p l ea c c e s si n t e r f e r e n c e ，c d m a ， b i tr a t e e r r o r , n e a r - f a re f f e c t ，b l i n dm u d ，a d a p t i v em u d ，3 r d g e n e r a t i o n ( 3 0 ) m o b i l ec o m m u n i c a t i o n 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 为获得电子科技大学或其它教育机构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。 签名： 堇璺查：! ! ：里 日期：) 。年妒月，牛日 关于论文使用授权的说明 本学位论文作者完全了解电子科技大学有关保留、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。本人授权电子科技大学可以将学位论文 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应遵守此规定) 签名：翅查：尘堡 导师签名： 日期：彩彤年午月f 华日 第一章绪论 第一章绪论 1 1 c d m a 系统与多用户检测技术 1 1 1c d m a 移动通信系统 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 年代中期丌始，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，到目前已经 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 ) ，带来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，其国际标准已经制定完毕。在日本，已经有商用的3 g 服务正式推出， 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麸无线传输媒 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 分多址( 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，所咀不存在多址干扰( m a d 。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揍入技术。 码分多址( c d m a ) 技术能很好地满足上述要求，是实现第三代无线通信系 统空中接口的优选方案。国际电信联盟( i t u ) 确定的第三代移动通信系统共有 电子科技人学博十学何论文 三个国际标准，分别是i m t - 2 0 0 0c d m a d s ，即欧洲和日本的u t & a w - c d m a ： i m t - 2 0 0 0c d m a m c ，即美国的c d m a 2 0 0 0 m c ：i m t - 2 0 0 0c d m at d d ，即欧洲 的u t r at d d 和中国的t d s c d m a 。三种标准都采用宽带码分多址技术作为 其最佳空中接入方案。采用码分多址技术的通信系统具有下列优点： 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 系统巾，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t 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。虽然每一瞬问信号带宽是窄的，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- 跳频又可又分 2 第一章绪论 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( 常常称为扩频序列) 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。 1 1 2 c d m a 系统与多用户检测技术 - 扩频序列一般具备良好的自相关性和弱的互相关性，因此不同用户的扩频调 制信号在相互重叠的情况下，也可以通过相关运算有效分离出不同用户的数据。 但是扩频码之间并不完全正交相关运算后的信号中还混有其他用户的信号成 分，即多址干扰。多址干扰由c d m a 系统用户引起并降低了通信的质量因此 局限了c d m a 系统的容量。为了消除多址干扰的影响，传统的干扰功率抑制技 术，如话音激活技术、功率控制技术等在第二代c d m a 系统中被采用。 多址干扰是由于c d m a 系统用户扩频序列之问的互相关不为零引起的。在 常规c d m a 用户检测中，通过将期望用户的扩频序列与接收的混合信号直接做 相关处理，再经过符号判决后得到估计符号。该处理方式是将相关运算得到的残 留互相关量看作a w g n 对待，由于扩频序列为准噪声宽带频谱，作为第一阶近 似是可接受的。这样处理虽然非常简单，但忽略了多址干扰高度的结构性和循环 稳态统计，c d m a 系统性能饱受多址干扰限制同时信道使用效率变得很低。 多用户检测( m u d ) 的想法是在1 9 7 9 年由s c h n e i d e r t l ) 提出的。v e r d u 提出 的最佳多用户检测器 2 1 表明c d m a 系统并不是本质的m a i 受限系统，远- 近效 应能够被克服从而引发了c d m a 系统多用户检测的研究热潮。多用户检测技 术不再将多址干扰看作噪声，而是有用信号加以充分利用，因此能有效提高检测 性能，增加c d m a 系统容量。 v e r d u 的最佳多用户检测器由一组匹配滤波器( m f ) 构成，其系数为用户的 扩频序列。匹配滤波器组的输出不再是由符号判决直接处理，而是被输入到一个 3 电子科技人学博十学何论文 v i t e r b l 算法来求解最大似然序列估计( m l s e ) 。理论分析和试验结果表明该最 佳多用户检测器能有效消除m a i 。但是最佳多用户检测技术有两个不足严重 阻碍了其在c d m a 系统中的应用。首先是最大似然估计算法的复杂度同用户数 量成指数关系，当存在大量用户时，问题变得难以处理。另外，最佳多用户检测 还需要大量的系统知识，如每个用户的扩频序列、工作与否、系统定时、相位同 步、用户功率和信道条件等，否则不能精确实现匹配滤波器组。因此大量系统先 验信息的准确获得是最佳多用户检测方法难以实际应用的另一个障碍。不过最佳 多用户检测表明了多址干扰并不是c d m a 系统的本质特性，同时匹配滤波器组 的输出完全就能够提供进行( 最佳) 多用户检测需要的足够统计信息。因此，为 了在较低的计算复杂度下获得良好的用户检测性能，v i t e r b i 算法被许多低复杂度 算法所替代，这就是次最佳多用户检测技术。 c d m a 用户检测器的种类相当多，大致可以按照圈1 1 的方式进行分类。需 要指出的是这只代表了一种大体上的分类方式，某些类型的检测器也可能包含在 其它类型中，或者具有两种检测器的混合类型。 图1 1c d m a 系统刚户检测算法的分类 次最佳多用户检测的实现复杂度相对较低，是多用户检测技术中的主要研究 方向，可以分为线性检测、干扰消除、计算智能方法和多功能检测器四大类。线 性多用户检测将常规相关器的软输出信号进行某种线性的变换( 映射) ，得到一 组能提供更好判决性能的输出。解相关多用户检测算法d i 将接收信号互相关矩阵 的逆矩阵与匹配滤波器的输出相乘，得到平抑了多址干扰的输出。该检测器的优 势是不需要知道户的信号功率抗远近效应能力强。另一方面。接收信号中的噪 4 第一章绪论 声也用逆矩阵来过滤，因此会增加了噪声功率。山于解相关器是一个序列检测器， 检测过程是当检测器接收到所发送的序列时才肩动，因此会导致长的时延。为此， 几种有限时延解相关器方案被提出，其中包括孤立比特插入( i b i ) 、多输出滑动 窗口算法( s l w a ) 、硬判决方法( h d m ) 1 4 1 、改进的单决策检测方法【5 】、有限长 度的f i r 和i i r 方法等。部分解相关器属于非线性判决反馈( d f ) 检测器中的 一种，采用部分解相关器的接收机可以使前面符号的m a i 变为零，同时后面符 号的m a i 能被继续抑制。 另一种线性检测器是线性最小均方误差( m m s e ) 检测m 蚋，与解相关器不 同的是，它不会增加噪声。而且m m s e 检测器能以单用户方式实现且具备多址 干扰抑制能力，因此在移动台的实现上具有吸引力。文献【9 】建议了衰落信道上 修正的l m m s e 。m a i 白化滤波器【旧1 将多址接入干扰转化成白化噪声加咀滤除， 这是分散线性检测器的一个实例。 干扰抵消检测器1 通过估计预测得到信号中的干扰成分，然后在接收信号中 减去该干扰成分。串行干扰抵消【。2 1 ( s i c ) 侮次消除一个用户的干扰估测并行 干扰抵消【1 3 1 ( p i c ) 能同时抵消所有用户的干扰。基于分组的算法是在给定的组 内检测符号，并消除来自其它用户的千扰。在宽带c d m a 系统中，分组可以基 于数据速率来完成。多级干扰抵消算法可改进干扰估计，【1 4 】证明p i c 中完全消 除m a i 会导致倾向性决策统计。因此有作者提出采用部分抵消来减少p i c 中 的倾向性影响。 由于多用户检测实际上是一个优化问题，因此对这类问题具有较强处理能力 的计算智能方法近年来也出现在多用户检测中。文献b s 提出了实现c d m a 系 统多用户检测的前馈神经网络( m l p ) 方法，但是由于m l p 网络的自身特点导 致其算法过于复杂，学习和收敛速度过慢。文献【1 6 】证明h o p f i e l d 神经网络能求 解最佳多用户检测问题，且不需要训练。文献 3 2 】则进一步将具备全局收敛能力 的禁忌搜索( t a b us e a r c h i n g ) 引入到h o p f i e l d 神经网络的学习过程中，以避免 其收敛到局部最小点丽影响检测性能。类似的还有基于混沌寻优的多用户检测器 【7 6 j 。多用户检测的另一个发展方向是将c d m a 通信系统的多种关键技术结合起 来，构成混合功能的检测器。例如文献【7 7 】提出一种结合了t u r b o 解码功能的检 测器文献 7 9 】则建议了一种具有抑制区间多址干扰和窄带干扰能力的检测器， 5 电子科技大学博士学位论文 该检测器能同时进行多用户检测和t u r b o 解码。一种能同时进行功率控制和多用 户检测的混合检测器也在文献 7 8 仲提及。 还有一类很重要的c d m a 多用户检测器，因为不需要提供训练序列以及其 他用户的信息，因此被称为盲检测器。文献【1 7 】提出了一种基于最小平均输出能 量( m o e ) 的盲自适应多用户检测算法在只知道期望用户的扩频序列和定时 的条件下实现了对多址干扰的有效抑制。基于予空间方法【1 8 1 和k a l m a n 滤波的盲 多用户检测算法1 1 9 1 也有被提及。 多用户检测技术的研究过程表现为前期集中在同步系统、a w g n 信道等较 简单情况下进行，然后发展到异步c d m a 系统、衰落多径、时变信道以及窄带 干扰等情况下的多用户检测技术。此时多用户检测器的工作参数，如多径信道数 量、幅度衰减和相位偏差都表现出时变特性，要求检测器具备相当的跟踪能力， 基于自适应技术的多用户检测器【2 0 。2 1 】也得到了广泛研究。 1 1 3c d m a 系统中的扩频序列 c d m a 系统扩频序列的基本性能可用自相关性和互相关性来衡量。良好的自 相关性对扩频信息的可靠解扩、用户衲始同步很关键同时影响到对多径分量的 分辨。用户扩频序列问的互相关性同样很重要，直接影响多址干扰水平，因此要 求尽量低。c d m a 系统中的扩频码序列可以分为正交码和伪随机码( p n ) 两类。 正交码的互相关在同步传输时为零，c d m a 系统中采用正交码来区分信道，例 如w a l s h 序列。需要注意的是，正交码只有在同步的情况下才保持完好的正交 性，一旦失去同步，则正交性变得很差。 典型的p h i 序列由线性反馈移位寄存器产生，如m 序列和g o l d 序列有作 者利用混沌现象具有很强的伪随机性的特点，提出采用混沌序列进行扩频通信的 方梨鲫，并获得了比m 序列更佳的性能。c d m a 系统采用的扩频码符号可以分 为二元或多元，非二元序列为复数值。二元或四元序列适用于直扩系统，它们与 c d m a 系统中所用的b p s k 、q p s k 、及o q p s k 调制方式能很好地配合。扩频 码可以是短码，也可以是长码。短码的跨度是一个符号周期，而长码的跨度是数 个符号周期。短码可通过一个短扩频码集控制其相关特性，能有效够降低多用户 检测器的复杂度。长码具有大量的扩频序列，它们可使干扰随机化。 6 第一章绪论 因为有比较成熟的功率控制技术的支持，目酶长码方案在c d m a 系统中处 于主流地位。随着最近几年线性多用户检测技术获得了长足的进步，短码扩频方 案得到了相应的重视。总的来说表现为短码方案为各种多用户检测技术提供了研 究和展示性能的平台，而多用户检测技术的蓬勃发展又促进了国际标准化组织对 短码方案的接纳。短码扩频方案对每个符号采用相同的短码进行重复调制，所以 扩频码的相关矩阵是相对稳定的除非接牧信号发生了较大的变化( 比如发生了 显著的时延变化或者有新用户加入系统，但此时可以重新计算相关矩阵) ，短码 调制信号的这种性质称为周期稳定性。因为无需进行频繁的逆矩阵运算，短码方 案比较适合解相关检测器【5 】的应用。与解相关检测相似，其他的线性多用户检测 技术也比较适合于短码环境。长码扩频信号不具有用；l i l 稳定性，扩频码相关矩阵 在每个比特都是不同的，难以对其进行线性计算，所以线性多用户检测技术不适 用于长码环境。虽然干扰消除多用户检钡l j 器不需要进行扰码相关矩阵的各种计 算，能够适应长码环境但是由于难以准确估计和再造多址干扰，其性能还有待 于进一步的提高。 在纯短码系统中，多址干扰可用线性多用户检测技术进行消除，文献【2 2 】证明 短码系统的性能略优于长码系统。从实现的复杂度来看，因为短码易于储存，也 可以在线计算，所以在保留长码功能的同时，移动终端可以用较小的代价增加对 短码的支持。在长短码混用系统中，因为长码是随机性很好的伪随机序列。长码 与周期短码的相关运算将产生无周期的伪随机序歹i j ，这样双方都不会对对方造成 较大的影响。长码基站增加对短码的支持所需代价也是很小的实现方法和移动 终端相同，但是反过来短码基站增加对长码的支持刚要付出较高的代价，因为需 要增加分集接收等功能。在基站和移动终端的兼容性方面如果强制规定所有移 动终端都支持短码，那么基站可简化为短码基站；但是如果不作这样的规定，导 致某些移动终端可能只支持长码，那么所有的基站就都必须保留对长码的支持。 因此强制规定移动终端对短码的支持是有必要的，爱立信在提交给3 g p p 的报 告中论证了短码方案的可行性【酬，而旦3 g p p 在其技术标准中已经定义了上行链 路的短码方案f 2 4 1 。 基于上述原因，本文的主要工作都是在采用短码扩频方案的c d m a 系统上 展开的。 7 电子科技人学博十学何论文 1 2 自适应信号处理技术 在无线移动通信系统中，用户信号通常在多径信道下传播。信遭参数如幅度 衰减、相位偏差和时延分布表现为时变特性，如果接收机参数固定不变，会导致 检测结果的恶化。因此不少作者提出了自适应多用户检测器1 2 0 2 “，该类检测器能 够跟踪系统参数的变化而自适应地调整自身参数，避免检测性能下降。另外，在 c d m a 检测技术中引入自适应技术( 包括自适应结构和相应的自适应算法) 还 能够降低计算的复杂度。例如许多类型的检测器都涉及到对采样信号协方差矩阵 的求逆运算，虽然这可以通过直接矩阵求逆得到但其实现复杂度较高。在c d m a 系统参数不固定的环境下工作时，为了保持检测器的跟踪能力则需要不停地计 算其逆矩阵，不利于工程实现。采用自适应技术可以通过迭代算法逼近最优解， 同时保持良好的跟踪能力。本文的主要工作集中于c d m a 多用户检测的自适应 实现，下面对自适应信号处理技术的相关知识进行简单介绍。 1 2 1自适应滤波与白适应信号处理 数字滤波技术在现代信号处理中具有重要的作用。众所周知，维纳滤波器是 最佳滤波器，其参数由信号的统计特性决定是固定的，适用于平稳随机信号。 卡尔曼滤波器参数是时变的，适用于非平稳随机过程。然而，仅当有关信号和噪 声统计特性的先验知识已知的条件下，这两神滤波器才能获得最优滤波性能在 实际应用中，常常无法得到这些统计特性的先验知识；或者信号统计特性是随时 间变化豹。因此，这种情况下，用维纳滤波和卡尔曼滤波器实现不了最优游波。 自适应滤波技术的出现则很好地解决这个问题。 所谓的自适应滤波，就是在前一时刻计算得到的滤波器参数的基础上，采用 自适应算法自动地调节当前时刻的滤波器参数，以适应信号、噪声未知的，或随 时间变化的统计特性，从而实现最优滤波。设计自适应滤波器时无须要求预先知 道信号和噪声的自相关函数，而在滤波过程中信号与噪声的自相关函数即使随时 间作慢变化它也能自动调节到满足最小均方差的要求。 正是具有这样的优点，自适应滤波技术被广泛地应用于传统信号处理领域， 构成各种自适应信号处理技术的核心技术。自适应信号处理是研究一类结构可变 或可以调整的系统，它可以通过自身与外界环境的接触来改善自身对信号处理的 8 第一章绪论 性能。通常这类系统是时变的非线性系统。 从研究历程来看，自适应信号处理的研究：【：作丌始于2 0 世纪中期。当时美 国通用电气公司的e h o w e l l s 和p a p p l e b a u m 等开始研究一类可以自动适应信号 变化的滤波器系统用来消除混杂在有用信号中的噪声和干扰。美国斯坦福大学 的b w i d r o w 在1 9 5 9 年提出了最小均方( l m s ) 自适应学习算法，可以被看作 是自适应信号处理的一个里程碑。同时他们提出了一种被称为“自适应线性门 限逻辑单元”的模式识别结构。同时，原苏联的a i z e m m n n 等人也提出了一种自 动梯度搜索机。而英国的d g a b o r 等则研制出了自适应滤波器。这些独立的研 究工作都可以看作对自适应信号处理有用探索。 随后，到了2 0 世纪6 0 年代自适应信号处理的理论研究和工程应用有所加 强，如自适应噪声消除技术运用到医学心电图信号采集中，以消除市电频率对心 电图信号的污染；自适应均衡技术可以消除通信信道造成的码间干扰( i s i ) 。此 外，随着自适应空域滤波概念的不断完善，一类由b w i d r o w 和l _ j g r i f f i t h s 等 人提出的基于“引导信号”算法的自适应波束形成技术被广泛应用n t 自适应阵 列信号处理中。 微电子技术和数字集成电路的迅速发展则给自适应信号处理技术的应用前 景带来了十分有利的条件进而又促进了自适应信号处理的进一步发展。目前在 通信，雷达，声纳地震学，导航，生物医学电子和工业控制等方面都有自适应 信号处理技术的应用。 1 2 2 线性自适应信号处理 线性自适应滤波器完成对输入信号的线性变换。现实世界中虽然非线性现象 广泛存在，但相当多的系统都可以近似为线性系统，同时线性处理由于其实现简 单、理论研究成熟，在信号处理中得到了大量应用。l 图1 2 是一种自适应系统中常见的基本单元：自适应线性组合器的结构图示。 图中有个刀输入t ( j ：1 , 2 ，以) ，可用向量表示为x = k ，x ：，x 。】r ，与其相对应 的是一组可调节的权值系数 - = 【w l ，w ：，u 】输出信号为y 。 9 l 毡子科技人学博十学位论文 幽1 2 白适应线性组合器 y 是输入向量中各元素t ( f = 1 , 2 ，”) 的线性组合，表示为， y = 峨x ，= w t x = x t ! p ( 1 2 1 ) f = 1 衡量自适应系统性能的优劣具有不同的性能评判指标，包括了均方误差 ( m s e ) 、信噪比( s n r ) 、最大似然( m l ) 和最小噪声方差( m n v ) 等。通常 这些性能测定判据也被称为优化准则。均方i 吴差准则最早山b w i d r o w 提出口5 1 ， 定义为期望输出d 与实际输出y 之问差异平方值的期望。可表示为， m s e = e i p y ) 2 】= e b 一憎j ) 2j ( 1 2 2 ) m s e 的大小衡量了该自适应组台器的性能，通过优化权值系数w ，能调整其输 出获得最小m s e 响应。实际上，m s e ( 包括其他优化准则) 和权值向量的二次 函数有关，该函数构成了关于坩的性能曲面。性能曲面是下凹的抛物体曲面，具 有唯一的极小点。因此在性能曲面上对应到m s e 最小点的位冠就是w 的最优解。 由于该性能曲面的参数是未知的，因此不能直接求解得到最佳权值向量需要进 行参数估计。另种处理办法是采用自适应学习算法可以根据输出误差自动调 节- 的数值逼近最优解。这类学习算法非常多，如l m s 、r l s 、变换域l m s 、 方向集( e d s ) 学习算法【2 6 l 等。 如果图1 2 中的自适应线性组合器的输入信号通过一个抽头延迟线获得，则 构成了一个横向自适应线性滤波器。该滤波器结构是因果且有限冲击响应( f i r ) 的，在线性信号处理中有着广泛的应用，如用于信道均衡、自适应噪声消除、系 统辨识和c d m a 多用户检测中。c d m a 系统的m m s e 检测器【卵一8 1 就是采用了这 样的自适应f i r 滤波器结构。 l o 第一章绪论 1 2 3 非线性自适应信号处理 当系统中存在较强的非线性因素，或者噪声干扰较强时，线性变换常常不能 取得令人满意的效果，此时需要进行非线性处理。自适应信号处理技术同样可以 应用于非线性信号处理中即非线性自适应信号处理技术。一种最简单的非线性 自适应滤波器可以在自适应f i r 滤波器上经简单改动而成1 2 5 l 。输入信号首先施 加于抽头延迟线上，将各个抽头处的信号进行平方变换( 或其他非线性变换) 后 作为一个新的输入信号成分，并与原来的延迟信号经线性加权后输出。这样输出 信号中不仅包含了抽头处信号的线性组合还有这些信号的非线性组合。对输入 信号进行非线性变换虽然没有增加新的信息，但是增强了输入信号的表达模式 2 7 1 。该非线性滤波器还可以进一步改进，例如使输出项还包括抽头信号高次方的 线性组合，以及不同抽头各个次方的交叉乘积等，这实际是一个v o l t e r r a 级数的 线性加权组合，即构成了一个v o l t e r r a 非线性自适应滤波器。v o l t e r r a 非线性滤 ： 波器在非线性信道均衡、混沌信号【2 硼预测中取得了优异的效果。图1 3 显示了一 个v o l t e r r a 非线性滤波器的结构。 输入向量 x 呻 1 1 日望值d f 蛳 估计值d m ) 图1 3v o l t e r r a 非线性滤波器的结构 非线性自适应信号处理的另一个有力工具是人工神经网络( n n ) ，它是由 大量非线性神经元广泛互连构成的网络。根据连接方式不同，神经网络可以分为 无反馈的前馈神经网络，反馈网络和自组织网络。前馈网络中的多层感知器 ( m l p ，也称为b p 网络) 是研究和应用最为广泛的神经网络，包含一个输入层、 一个输出层和一个到多个的中间隐层构成。每一层中具有多个非线性的神经元， 且相邻层的神经元之间广泛互连，每一个连接对应有一个权值系数。前馈神经网 络的权值系数优化通过神经网络的学习过程获得，其中虽为知名的是r u e l h a r t 等 电子事 妓人学博十学何论文 人提出的b p 算法。1 9 9 2 年a a z h a n g 等人最早提出了基于b p 网络的多用户检测 方法m 】。前镄神经网络之所以能够在c d m a 非线性检测中应用，这可以从以下 两个角度考虑。首先，