（电路与系统专业论文）基于前馈神经网络盲多用户检测算法的研究[电路与系统专业优秀论文].pdf

太原理人宁硕十研究生导何论文 基于前馈神经网络盲多用户检测算法的研究 摘要 在码分多址系统中，各用户之间扩频码并非完全正交，进而产生 了多址干扰和“远一近”效应等，成为影响接收机性能和系统容量的主 要因素。尽管多址干扰和“远近”效应并不能完全避免，但可以采用 多用户检测技术减小多址干扰的影响，改善系统性能，增大系统容量。 神经网络具有运算速度快、并行处理能力强等优点，将神经网络与盲 多用户检测相结合，研究基于神经网络的盲多用户检测算法已成为当 前的热点课题。 本文主要工作可以概括如下： 1 简要讨论了多用户检测的目的与意义；概述了现有盲多用户检 测算法的各种实现方法及其发展动态，分析了其特点，阐述了盲多用 户检测的基本原理和常用算法，分析了神经网络的特点和结构，以及 约束问题的求解。 2 提出了基于恒模的前馈神经网络盲多用户检测算法，分别利用 罚函数和增广l a g r a n g e 函数对约束恒模代价函数进行求解，获得前馈 神经网络权值的最优解，从而得到新的前馈神经网络盲多用户检测算 法。仿真实验表明，新算法改善了多用户检测的误码率、收敛速度和 跟踪能力等性能。 太原理 ，大学硕十研究生学位论文 3 提出了基于最小峰度准则的前馈神经网络盲多用户检测算法， 首先根据信号的高阶谱特性构造了基于最小峰度准则的代价函数，利 用约束项来约束代价函数以保证期望信号的准确获取，进而利用上述 两种优化方法对代价函数进行求解，得到基于最小峰度准则的前馈神 经网络盲多用户检测算法。仿真表明新算法在误码率和收敛性方面优 于传统线性约束算法。 关键字盲多用户检测，前馈神经网络，恒模算法，峰度准则 i i 奎堕堡! 丛! 堕塑塑竺主! 里堡苎 s t u d yo nb l i n dm u i i u s e rd e t e c t i o na l g o r i t h m b a s e do nf e e d f o r w a r dn e u r a ln e t w o r k a b s t r a c t i nt h ec d m ac o m m u n i c a t i o ns y s t e m ，s p r e a d i n gc o d e so fu s e r s a r en o t c o m p l e t e l yo r t h o g o n a l t h e n ，m u l t i u s e ri n t e r f e r e n c ea n d f a r - n e a r e f f e c t i nc d m ah a p p e n t h ec a p a c i t yo fc d m as y s t e mi sg r e a t l ya f f e c t e db y m u l t i 。u s e ri n t e r f e r e n c ea n d f a r - n e a r e f f e c t m u l t i u s e ri n t e r f e r e n c ea n d f a r - n e a r e f f e c tc a nn o tb ea v o i d e d ，b u tm u l t i u s e rd e t e c t i o nc a nb eu s e dt o r e s t r a i nm u l t i u s e ri n t e r f e r e n c ea n d f a r - n e a r e f f e c t t h ep e r f o r m a n c ea n d c a p a c i t yo ft h es y s t e mc a nb ei m p r o v e d n e u r a ln e t w o r kp o s s e s s e sm a n y m e r i t ss u c ha sq u i c ko p e r a t i n gs p e e da n dp a r a l l e lp r o c e s s i n ga b i l i t ya n ds o o n n e u r a ln e t w o r ka n db l i n dm u l t i u s e rd e t e c t i o na r ec o m b i n e d ，a n dt h e n e wb l i n dm u l t i u s e rd e t e c t i o nb a s e do nn e u r a ln e t w o r kw a sp r o p o s e d r e c e n t l y ，n e u r a ln e t w o r kb l i n dm u l t i u s e rd e t e c t i o nh a sb e c o m eah o tt o p i c t h i sa r t i c l ec a nb es u m m a r i z e da sf o l l o w s ： 1 t h ep u r p o s ea n ds i g n i f i c a n c eo fm u l t i u s e rd e t e c t i o nw a sb r i e f l y d i s c u s s e d ；i m p l e m e n tm e t h o da n di t sd e v e l o p m e n to fb l i n d m u l t i u s e r d e t e c t i o na l g o r i t h mw a so v e r v i e w e d ，a n di t sc h a r a c t e r i s t i c sw e r ea n a l y z e d t h eb a s i cp r i n c i p l e sa n dm a n yc o m m o na l g o r i t h m so fb l i n dm u l t i - u s e r i i l d e t e c t i o na l g o r i t h mw e r eu s e dt ob ea n a l y z e d a tt h es a m et i m e ，t h e f e a t u r e sa n ds t r u c t u r eo ft h en e u r a ln e t w o r kc a r lb ea n a l y z e d t h es o l v i n g m e t h o do fc o n s t r a i n tp r o b l e m si sd i s c u s s e d 2 ab l i n dm u l t i u s e rd e t e c t i o na l g o r i t h mb a s e do nt h ec o n s t a n t m o d u l u sf e e d f o r w a r dn e u r a ln e t w o r ki sp r o p o s e d p u n i s h m e n tf u n c t i o n a n da u g m e n t e dl a g r a n g ef u n c t i o na r eu s e dt oo p t i m i z et h ec o s tf u n c t i o n a n dt h eo p t i m a ls o l u t i o no ff e e d f o r w a r dn e u r a ln e t w o r ki so b t a i n e d t h e na n e wb l i n dm u l t i u s e rd e t e c t i o nb a s e do nf e e d f o r w a r dn e u r a ln e t w o r k a l g o r i t h mw a sp r o p o s e d t h es i m u l a t i o ns h o w st h a t t h en e wm u l t i u s e r d e t e c t i o na l g o r i t h mi m p r o v e sb i te r r o rr a t e ，c o n v e r g e n c es p e e da n dt r a c k i n g a b i l i t yp e r f o r m a n c e 3 af e e d f o r w a r dn e u r a ln e t w o r kb l i n dm u l t i u s e rd e t e c t i o na l g o r i t h m b a s e do nt h em i n i m u mk u r t o s i sc r i t e r i aw a sp r o p o s e d a c c o r d i n gt ot h e c h a r a c t e r i s t i c so fh i g h e ro r d e rc u m u l a n t s ，t h ec o s tt ：a n c t i o nb a s e do nt h e m i n i m u mk u r t o s i sc r i t e r i ai sf o u n d e d c o n s t r a i n tc o n d i t i o ne n s u r e st h a tt h e d e s i r e ds i g n a lc a nb eo b t a i n e d t h ec o n s t r a i n tc o s tf u n c t i o ni so p t i m i z e db y t h et w oa b o v eo p t i m a lm e t h o d s t h ef e e d - f o r w a r dn e u r a ln e t w o r kb l i n d m u l t i u s e rd e t e c t i o n a l g o r i t h m b a s e do nm i n i m u mk u r t o s i sc r i t e r i ai s r e a l i z e d s i m u l a t i o n ss h o wt h a tt h en e wa l g o r i t h mi s s u p e r i o rt ot h e t r a d i t i o n a ll i n e a rc o n s t r a i n t sa l g o r i t h mi nb e ra n dc o n v e r g e n c es p e e d i v 太原理人半硕十研究生学何论文 k e yw o r d sb l i n dm u l t i u s e rd e t e c t i o n ，f e e d f o r w a r dn e u r a ln e t w o r k ， c o n s t a n tm o d u l u sa l g o r i t h m ，k u r t o s i sc r i t e r i a 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：垄& 銎e t i 奇i ：丛蛆：生1 6 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：奎逝e t l t l l ：出生兰! 导师签名：缢主主量日期：亟翌! ! a 争 太原理1 人学硕十研究生1 学仲论文 第一章绪论 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 ) 是第三代移动通信 系统首选的多址方式。多址干扰( m u l t i p l ea c c e s si n t e r f e r e n c e ，简称m a i ) 构成 c d m a 系统主要制约因素，多用户检测技术能有效地抑制m a l 。盲多用户检测不 需要使用训练序列，也不需要知道所有用户的特征波形和定时信息。仅需要知道 解调用户的特征波形和定时，所需条件与传统单用户接收机相同，盲多用户检测 能在很大程度上提高c d m a 系统容量。神经网络具有良好的系统近似能力和问题 处理能力i l j 。在盲多用户检测的问题中，利用神经网络的特性构造出适合于盲多用 户检测的网络模型。由于基于神经网络的盲多用户具有收敛速度快、误码率低等 优点。因此。基于神经网络的盲多用户已成为盲多用户检测技术发展的热点。 1 1 多用户检测的目的与意义 c d m a 系统具有频谱利用率高、软容量、软切换、低功率、保密性好和易于 无缝切换等优点。 c d m a 技术的上述优点在己开通的商用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。由于直序扩频c d m a ( d i r e c t s e q u e n c ec o d ed i v i s i o nm u l t i p l ea c c e s s ，简称d s c d m a ) 系统中使用的扩频码集 一般并非严格正交，非零互相关系数会引起各用户测的相互干扰常称为多址 干扰，多址干扰在异步传输信道以及多径传播环境中多址干扰将更严重。多址干 扰的存在带来两个问题： ( 1 ) 系统的容量受到限制。随着同时接入系统用户数的增加，多址干扰的功 率也在增加，致使误码性能下降，因此d s c d m a 的系统容量虽然大于t d m a 、 f d m a ；但仍然受限于多址干扰，任何多址干扰的减少都将直接转化为系统容量的 进一步增加。 ( 2 ) “远一近”效应严重影响系统性能。由于移动用户所在的位置处于动态的 太原理。i _ ：大学硕十研究生学位论文 变化中，基站接收到的各用户信号功率可能相差很大，即使各用户到基站距离相 等，深衰落的存在也会使到达基站信号各不相同，强信号对弱信号有着明显的抑 制作用，会使弱信号的接收性能很差甚至无法通信。这种现象被称为“远一近”效 应( n e a r - f a re f f e c t s ) 。因此，随着c d m a 商用化进程的加快，提高带宽效率，缓 解多址干扰、克服“远一近”效应的影响成为个重要的研究课题。 传统的c d m a 接收机采用匹配滤波器接收【2 j ，但是这种结构的接收机将多址 于扰与信道高斯白噪声都视为噪声来处理，因此系统容量始终无法提高；改进后 采用功率控制的方法来平衡多址干扰，使彼此间的影响减少来提高系统容量，但 这样做只能暂时缓解，并没有真正去除多址干扰【3 】；要想真正消除多址干扰，大幅 度提高系统容量，必须通过多用户检测( m u l t i u s e rd e t e c t i o n ，简称m u d ) 技术。 多用户检测的基本思想是：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，从而达到更准确检测期望用户信号的目的，并 同时检测出所有用户或某些用户信息的一种信号检测方法。多用户检测是国际上 最新发展起来的一项用以消除多址干扰的技术，是第三代移动通信的关键技术之 一。多用户检测认为多址干扰与背景噪声是不同的，背景噪声是随机的，不可预 测的；而多址干扰，有许多先验的信息，如已知用户的扩频码、各用户的信道估 计等等，因此可以在一定程度上预知，不应该被当作噪声处理。正是借助这种可 预测性，抑制甚至消除多址干扰才成为可能。因此，多用户检测技术成为了解决 多用户综合业务环境中可靠性及实现大容量传输的有效技术。 1 2 盲多用户检测的提出 多用户检测器是为了克服m a i 而提出来的。v e r d u f 4 i 首次系统地对c d m a 系 统的抗m a l 问题进行了研究，提出了多用户检测方案，但由于其算法复杂、计算 量大而无法实现。随后，人们又提出了大量次最佳多用户检测方案| 5 】，如多级检测 器【6 】解相关检测器1 7 】m m s e 检测器【8 1 等。多级检测器是一种反馈检测器，这种 检测器的实现都需要知道预期用户的扩频码、定时信息以及信道冲击响应，有时 还需要知道多用户干扰。这些信息可以通过发送导频序列获得，但使用导频序列 2 太原理i 。大导硕二 研究生学何论文 就降低了系统的频沿利用效率。解十f | 天榆删器在用户特件序列 | 7j 独的条件下 可以完全抑制m a i ，但同时增强了加性高斯白噪声( a d d i t i v e w h i t e g a u s s i a n n o i s e 简称a w g n ) ，其实现需要所有用户特性序列的先验知识，且不易自适应实现。最 小均方误差( m i n i m u mm e a ns q u a r ee r r o r ，简称m m s e ) 检测器在消除m a i 和不 增强背景噪声之间做出平衡，它考虑了背景噪声并利用了接收信号的功率值，其 基本思想是通过训练序列自适应地使输出信息和期望信息2 _ f 日j 的均方误差( m e a n s q u a r ee r r o r ，简称m s e ) 最小化。 但在c d m a 系统下行链路中，因为在动态环境中，移动用户很难在有其它用 户共享信道的情况下，获得诸如各用户特征序列之类的精确信息，而且频繁使用 训练序列也会浪费部分信道带宽。m a i 严重限制了c d m a 系统的容量和性能，特 别是当移动终端处于快速移动状态，其电波传播路径是时变的，或者况其上、下 行链路是变参的，使得入向路径各移动站功率差异会很大，多址干扰将十分严重， 导致常规的检测器将无法工作。“远一近”效应不仅使接收信噪比严重恶化，而且使 系统通信容量受到极大的限制。因此，出现了能够克服“远一近”效应的最优多用 户检测器，以及许多自适应和非自适应的多用户检测算法，但是这类方法需要知 道较多的先验信息，而且其计算复杂度随用户数及每户码元数呈指数增加，当用 户数及统计长度较大时，算法甚至无法实现。因而，只利用被检测用户扩频波形 的盲自适应多用户检测技术被提出。在移动用户和基站之间的通信由于某种不可 预知的强干扰( o n 新的多径出现、新的干扰用户出现) 而突然恶化的情况下，盲自适 应多用户检测技术可以不需要知道系统参数，也不需要用户重新发送训练序列就 可以使系统恢复正常，因此得到广泛的应用。 盲多用户检测算法就是只使用期望用户的信息，如接收信号、扩频码、定时、 幅度等，但不需要其它用户( 干扰用户) 信息就可以抑制多址干扰影响的方法。 1 3 盲多用户检测的国内外研究动态 h o n i g1 9 1 等人于1 9 9 5 年首先提出盲自适应多用户检测，是在约束最小输出能 量( c m o e ) 的基础上提出的一种基于最小均方( l m s ) 的盲多用户检测算法 3 太原理i 人学硕士研究生学位论文 l m s c m o e 。p o o rh vl lo j 等人又在c m o e 准则的基础上提出一种基于递归最小二 乘( r l s ) 的盲多用户检测算法r l s c m o e 。在r l s c m o e 基础上进行q r 分解 得到的q r r l s c m o e ，可使r l s c m o e 进一步实用化。p o o rh v j 于1 9 9 8 年 提出了基于子空间跟踪的盲线性多用户检测算法p a s t d ，即从空间角度来研究 线性盲多用户检测，该算法核心采用了y a n g b l l 2 于1 9 9 5 年提出的p a s t d 子空间 跟踪算法。对于子空闻跟踪多用户检测技术，如果合理选取子空l 日j 跟踪算法和适 当的秩估计法，就可以相应提高多用户检测技术的性能。另方面，如果对不需 要秩估计的子空间跟踪方法加以改进，以应用于多用户检测中，则可以大大简化 跟踪的难度，提高盲多用户检测算法的适应性。 同时，国内学者在盲多用户检测问题上也做了大量的研究并提出一些抑制多 址干扰的有效算法，如基于k a l m a n 滤波的盲多用户检测算法【1 3 。1 ”，基于高阶累 积量的盲自适应检测算法1 6 1 ，判决反馈变步长盲自适应检测算法眇18 1 ，基于最 小平均峰度( l m k ) 准则的盲自适应检测算法【19 】及基于正交滤波器组的盲自适应 多用户检测算法 2 0 1 等等。这些盲多用户检测算法是在不同程度对同类算法的改进 或扩展，寻找复杂度与性能之间的合理折中且能满足实际高速信号处理需要的多 用户检测算法仍是目前多用户检测研究的主要方向。 关于目f i 已提出许多有效的盲多用户检测算法的分类，从来没有一个确定的 标准，在不同的文献中有不同的分类方法。 按照已知信息的多少，盲多用户检测分为半盲检测和盲检测两种。所谓半盲 检测就是于扰用户特征波形部分己知部分未知条件下的检测，适用于小区基站： 所谓盲检测就是不知道所有干扰用户特征波形条件下的检测，适用于移动台。 按照盲自适应多用户检测算法中代价函数的不同，主要有最小均方差 ( m i n i m u m m e a n s q u a r e e r r o r ，简称m m s e ) 、平均输出能量( m e a n o u t p u t e n e r g y ， 简称m o e ) 、恒模( c o n s t a n t m o d u l e a l g o r i t h m ，简称c m a ) 等。还可分为带约束 和没有约束的代价函数。而迭代算法可以用最小均方( l e a s tm e a ns q u a r e ，简称 l m s ) 、最小二乘( r e e u r s i v el e a s ts q u a r e s ，简称r l s ) 等来实现。 目前已提出的盲多用户检测算法可分为以下几类： 4 太原理r 人学硕十研究生学仲论文 ( 1 ) 甚于m o e 的自多j f l ，o 检测算法 最小能量输出( m o e ) 算法是在保证权矢量与期望用户扩频码的内积为常数 的条件下，选择信号的输出能量函数为代价函数，使得代价函数最小即线性多用 户检测器输出能量最小。 m h o n i g 等人9 】在1 9 9 5 年首次提出了基于m o e 的盲多用户检测算法，其主要 思想是选择多用户检测器的输出能量为代价函数，在满足一个或多个约束条件下 求使得这个代价函数最小时对应的最优权矢量，然后采用某种自适应算法逼近最 优权矢量。 m h o n i g 首次提出的基于m o e 的盲多用户检测技术是基于高斯信道的，这种 算法计算量小，具有全局收敛性，但对信号失配非常敏感，当信道存在多径影响 时，此算法不能达到满意的性能。为了克服这一缺点，m k ，t s a t s a n i s 2 12 2 1 研究了 多径信道中的多约束m o e 盲多用户检测技术，z t i a n 2 3 1 进一步提出鲁棒性强的多 约束m o e 盲多用户检测器，通过增加一个二次不等式约束可以提高系统的鲁棒 性，减少由于其他形式的校准错误和信道扰动引起的系统失配。 基于m o e 的盲多用户检测的优点是避免了信道参数的显式估计，计算复杂度 较低。s o n gc h u n l i n g 2 4 】于2 0 0 5 年提出了i f 交分解的基于r l s 约束m o e 的盲多 用户检测算法，与此同时，l i ut i n g 等人2 5 1 等提出改进型基于r l s 的m o e 的盲多 用户检测算法。 ( 2 ) 基于子空阳j 的盲多用户检测算法 基于子空间的盲自适应算法：它起源于空域滤波中的m u s i c 算法的思路，代 价函数是m m s e ，它将接收信号划分为信号子空问与噪声子空间两个部分。可以 通过降维处理，通过信号子空间的知识求解线性多用户检测器，利用子空间的跟 踪算法来估计和跟踪，而子空问的跟踪可以达到相当的准确程度，且若采用p a s t d ( p r o j e c t i o na p p r o x i m a t i o ns u b s p a c et r a c k i n gb a s e do nd e f l a t i o n ，简称p a s t d ) 算 法进行子空问跟踪，其算法复杂度可降低，但是稳态性能不好。 x w a n g 等人【2 6 】于1 9 9 8 年提出了基于子空间的盲多用户检测算法，其主要思 想是通过子空问跟踪技术获得信号子空间并利用它来消除未知用户造成的干扰。 5 太原理一 大学硕士研究生学位论文 它通过对最初的输入采样自相关矩阵作特征值分解，然后靠迭代的方法获得以后 输入数据的特征值，每个码元刷新一次。目前，最有代表性的三种子空间跟踪技 术是p a s t d f ”】、b i s v d 2 8 】和p r o t e u s 2 9 ，但它们存在一个共同的问题就是在每 次迭代过程中需要附加i f 交性约束条件以保证子空恻的正交性，此外还存在子空 间秩的跟踪，这样就增加了实现的复杂度，另外跟踪能力受子空自j 的正交性误差 的影响。y u a n h v c a n gc h e r t 等口o j 提出一种子空间盲多用户检测算法，该算法适合于 期望用户信噪比低的情况，改善了算法的应用范围。台湾学者j y h h o m gw e n i ”t 在2 0 0 1 年提出了个解决的办法，即用干扰子空间代替信号子空间，在每次迭代 步骤中放松对信号子空间的正交性约束，同时在整个跟踪算法过程中对干扰自相 关矩阵进行跟踪，这样在降低实现复杂度的同时又能保持跟踪前后各特征向量之 | 、日j 的正交性不变。2 0 0 1 年，x i a o h u al i 等【3 2 】提出了一种无需信道估计的子空i 、日j 盲 多用户检测算法，该算法克服了信道估计带来的误差。 子空f 1 日j 算法的优势在于充分利用了数字信号的子空间特性，收敛速度快。其 缺陷在于计算复杂度高，低信噪比情况下误码性能较差 3 3 】。 ( 3 ) 基于恒模的盲多用户检测算法 恒模算法的基本思想是利用发送信号的幅度统计特性来调整权系数，使得输 出信号的幅度保持恒定。恒模算法最早是1 9 8 3 年由j r t r e i c h l e r l 3 4 】提出束的，随 后在九十年代得到了广泛深入地研究，主要集中在均衡器的应用中。1 9 9 5 年， m l h o n 3 5 t 将恒模算法应用到多用户检测中。由于恒模算法引入了高阶统计特 性，分析比较复杂，而且往往得不到简单直观的解，这严重阻碍了它在其它方面 的应用。目前关于恒模算法在盲多用户检测中应用的研究较少。w l e e 等人1 3 6 】分 析了恒模算法在盲多用户检测中的应用，指出恒模算法具有收敛速度快、性能较 好的特点，但是存在局部收敛点，而且收敛点与算法初始化、用户扩频码问的相 关阵、用户接收功率有关，实质上说明了算法受多址干扰和远近效应的严重影响。 改进的方法有两种，一种是修改代价函数【姗，一种是增加约束条件【3 8 】。文献【3 9 】 和 4 0 1 分析了高斯信道中恒模算法的收敛特性，指出在满足一定条件下，线性约束 恒模算法具有全局收敛性。王艺等1 4 1 在总结m o e 、s a t o 和传统c m a 算法的基础 6 太原理1 人学硕十研究生学侍论文 上提出一种若分恒校算泄、多j ，。榆删器，将传统4 陋税茆泣进 j 了改进。孙守宇等1 4 2 j 提出了一种修正的恒模算法( m c m a ) ，并将其应用j ：自均衡技术中。该算法能使 被修j 下的误差函数最小化，并且自适应学习率可由接收序列即时调整。用正交振 幅调制信号对两种算法进行了性能比较，模拟结果显示提出的修正恒模算法比普 通恒模算法的收敛速度快，均衡输出符号间干扰小。薛强等人 4 3 j 将基于恒模的盲 多用户检测算法推广到了多径衰落信道中，并证明这种算法的收敛速度比子空间 盲多用户检测算法稍差，但稳态性能强于子空间算法，算法复杂度不高，有利于 工程实现，算法的缺点是必须对多径信道的信道参数进行估计。 s u n l i p i n g 等【4 4 1 提出了基于恒模的变步长盲多用户检测算法，该算法利用最小 输出能量调节步长，仿真中验证其在动态环境中有较好的适应能力。g e l l i g 等【4 5 j 提出一种两过程c m a 盲多用户检测算法，第一个过程首先利用期望用户的结构特 性柬消除部分m a i ，第二个过程再利用c m a 来消除m a i 和i s i 。 ( 4 ) 基于线性预测的盲多用户检测算法 线性预测算法的核心思想在于将期望用户信息通过线性变换从混合接收信号 中提取出来。混合信号中包含有其他用户信息与噪声。 r i c h a r dt c a u s e y 4 甜，胡艳军等1 4 7 】提出了基于线性变换和预测的盲多用户检测 方法，可同时消除m a i s f l i s i 它仅利用了某特定用户的扩频序列，先进行线性变 换和线性预测，再进行检测由于不进行直接信道估计，避免了信道估计误差， 使算法的准确性得到了提高。 ( 5 ) 基于独立成分分析的盲多用户检测算法 独立成分分析( 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 ，简称i c a ) 是一种在信号源 和传输信道几乎完全未知的情况下，只依靠对信号源独立性和非高斯性的假设对 源信号进行分离的方法。由于其输出信号彼此独立并具有相同的能量，所以将1 c a 引人多用户检测可在很大程度上抑止“远一近”效应。 2 0 0 2 年，d a v i do v e r b y e 等人【4 8 提出一种基于i c a 的盲多用户检测算法， 该方法被应用于多径信道。l e o n g 等人【叫于2 0 0 4 年提出了o r 分解的i c a 的盲多 用户检测算法，该方法旨在增强算法的鲁棒性。 7 太原理。r 大学硕十研究生学位论文 ( 6 ) 基于神经网络的盲多用户检测算法 基于神经网络的盲多用户检测的基本思想是利用网络的输出空间对期望空问 的近似映射来抑制多址干扰i5 0 1 。近年来，将神经网络多用户检测中成为研究热点， 神经网络多用户检测可显著降低计算复杂度，加快收敛速度。且神经网络中所用 神经元一般为非线性的处理单元，因而非线性单元的函数逼近能力、并行处理和 分类能力比较强。 a a z h a n g l 5 1 】首次提出基于的馈神经网络提出了一种多用户检测算法，该算法中 采用s i g m o i d 函数作为传递函数，与传统检测器相比计算复杂度低，且收敛速度快， 但对隐层数目和神经元个数的确定没有给出具体的方法。文献 5 2 】基于r b f 神经 网络提出一种自适应多用户检测算法，在同步接收情况下，该方法达到了近似最 优的性能，且系统在实际环境中有较强的鲁棒性。 文献【5 1 】和【5 2 是神经网络的自适应多用户检测算法，陈艳丽等提出一种 l a g r a n g e 神经网络的盲多用户检测算法，该算法以最小平均输出能量为准则，把 盲检测问题转化为优化问题，利用神经网络进行有效求解。李福平等【5 4 1 将罚函数 与h o p f i e l d 神经网络的能量函数结合，构造出更合适的新目标函数。提出了一种 实现d s c d m a 茸多用户检测的改进型h o p f i e l d 神经网络方法。 1 4 论文的内容安排 本论文的内容安排如下： 第一章为绪论，简要介绍了盲多用户检测研究的目的和意义；讨论了盲多用 户检测技术提出的原因，综述了现有国内外盲多用户检测算法，最后介绍了本文 的主要研究工作。 第二章介绍了同步d s c d m a 系统的数学模型，阐述了几种多用户检测技术 的基本原理和常用算法，分析了前馈神经网络的结构和特点、以及约束函数的最 优化问题求解。 第三章提出了基于恒模算法的前馈神经网络盲多用户检测，分别用两种优化 算法对恒模盲多用户检测的代价函数进行优化，推导了两种算法的迭代公式，最 8 太原理1 人学硕十研究生孚伉论文 后利用计算机仿真将新算法与原有1 陋横多十j 户检测钾泣进j j 肘比分析，新剪法的 有效性得到了验证。 第四章提出了基于最小峰度准则的前馈神经网络盲多用户检测算法，分别采 用罚函数和增广l a g r a n g e 方法对基于最小峰度准则的代价函数进行优化，推导了 两种算法的迭代公式，最后利用计算机仿真验证了新算法的有效性。 第血章为总结全文，本章归纳了作者一年以来在多用户检测研究方向上所作 的工作，并对可进一步开展研究的方向讲述了个人的看法。 9 太原理l ：人学硕士研究生学位论文 第二章前馈神经网络盲多用户检测的理论基础 2 1 多用户检测技术的系统模型 考虑加性高斯白噪声信道具有k 个用户的d s c d m a 系统。发射的是二进制 相移键控( b p s k ) 信号，则系统模型可表示为 r o ) = a 。以( f h ( f ) + ”( f ) ( 2 一1 ) 其中，a k 、b 。 - 1 ， 分别是第t 个用户信号的幅度和信息比特；s k ( ，) 为第女个用 户的归一化扩频波形，以o ) 在p ，】中能量为1 ，z 1 为信号的码元周期；，z ( f ) 是均值 为零的高斯白噪声。 为简单又不失一般性，研究一个信息码元区间，扩频码片间隔为t ，扩频增 益为n = t t ；假设用户1 为期望用户，则 k r 如) = 爿，6 ，o b ，0 ) + a 。b 。0 b 。0 ) + 疗0 ) ( 2 2 ) 式中，第一项是期望用户的输出；第二项是系统中其他用户产生的多用户干扰 ( m a i ) ，多用户检测就是要去除该项；第三项是信道噪声胛0 ) 引起的随机干扰。 将接收到的基带信号以码片速率进行采样，可得输出矢量形式为 r ( ”) = s a b ( n ) + n ( n ) ( 2 3 ) 其中s 为n k 维归一化扩频码矩阵，a = d a g ( a 。，a 2 ，a 。) ，向量b 0 ) 表示k 个 用户在一个信息比特周期内的数据项，n o ) 为噪声向量，且e n 0 ) ) = 0 ， e 曲0 加70 ) = 盯2 i ，1 3 - 2 是随机高斯噪声的方差。 2 2 盲多用户检测原理与常用算法 1 0 太原理i 人学硕十研究生学何论文 白多川j j 恰测足指只使用观测数据，不需要训练序列的自适应多用户榆测算 法。1 9 9 5 年，h o n i g i 0 9 1 给出了线性多用户检测器的典型数学模型，提出了一种最小 输出能量检测器，其基本原理是在保证期望信号输出能量不变的前提下，使输出 信号的总能量最小，从而达到抑制多址干扰的目的。恒模算法检测器是根掘输入 信号恒模特性，构造恒模特性的代价函数，然后使得代价函数最小，从而达到抑 制多址干扰的目的。同理，最小峰度检测器是根据高阶特性建立代价函数，然后 利用不同的优化算法优化代价函数，从而达到消除多址干扰的目的。 2 2 1 盲多用户检测的基本原理 1 线性多用户检测器的典型表示 考虑用户1 为目标用户，线性多用户检测器的判决统计量输出为 y = s 9 4 ( r ，w ，) ) ( 2 4 ) 为了使式( 2 4 ) 线性检测器准确检测出目标用户，必须合理选取线性变换w ，。 考虑同步信道，且所有信号间隔为r 。对任何线性多用户检测，w 可表示成证交 分解的形式 w ，= 8 ，十x ， ( 2 5 ) 即x l 与s l 币交 ( s ，x ，) = 0 ( 2 6 ) 式中，( ) 表示内积；分量s ，为用户1 的扩频序列，它在自适应中是不变的；分量x ， 与s 。正交，是自适应改变的。检测器的更新就是滤波器系数w ，的更新，等价于x ， 的更新。服从式( 2 5 ) 和式( 2 6 ) 的向量w 都满足关系 s ，v q ，) = ， ( 2 7 ) 在任何一种线性变换中，与s 正交的信号分量的能量称为剩余能量。因此，对 于典型数学模型形式s + x 的线性变换而言，剩余能量为忱0 2 。剩余能量为零的线 1 1 太原理i ：人学硕士研究生学位论文 性变换为单用户匹配滤波器f 吲。 检测器的输出信干比为 s i r = 4 ；( ( w ，一) y a 2 f l w , 1 1 2 + 耄彳；( ( w 一。) r ( 2 - 8 ) 睁0 _ 2 训划i i ) + 耄秘蜗 ) y - j 2 最小输出能量百多用户检测器 在d s c d m a 系统中常用的目标函数是最小均方误差，考虑用户1 为期望用 户，即 u m s e ( w ，) ：m i n 眇一( w ) 广j ( 2 - 9 ) 判决器的输出为，= s ；i l r w ，r ) 】，文献【5 5 】证明式( 2 9 ) 的最优化问题与y 无 关，且其最优解同用户1 当输出能量最小时对应的解相同，定义用户l 的最小输 出能量为 m m o e ( w ，) _ m i n e k w ) rj ( 2 1 0 ) 式中，w ，= s ，+ x ，是用户l 的多用户检测权矢量，x ，的选择应使式( 2 1 0 ) 最小， 这一准则就是著名的最小能量准则。 容n t i e n ，使均方误差最小的x ，也使平均输出能量最小。因为，最小均方误 差为 m m s e ( e 肛e 8 4 ，b ，一( r ，s ，+ x ，) ) 叫 = 4 ；+ m o e ( w j ) - 2 a 2 ( sj ，sj+xj ) ( 2 - i i ) = m o e ( w ，) 一爿； 式中，使用了( s ，s ，+ x ，) = ( s ，s ，) + ( s ，x ，) = ，。 当式( 2 1 0 ) 能量最小化时其解与式( 2 1 1 ) 最小化均方误差的解是相同的， 且与信息比特b ，和干扰( 多址干扰和背景噪声) 没有关系。理想情况下的输出能 量最小，即m o e = 0 ，为此必须要求x ，与s ，满足正交。 1 2 太原理人宁硕+ 研究生学位论文 从而上述榆测问题可转化为如卜约束优化问题 l m i n m o e ( w 扣讯w 3 】 弦 【“ ( s ，w ，) = 7 由上式求得最优检测矢量 谛，：r ：s ， s j r ：s ，r 7 ( 2 1 3 ) 其中，r ，= e r r tj 为接收矢量r 的自相关矩阵。 3 恒模盲多用户检测器 在d s c d m a 系统中，构造基于恒模准则的代价函数，即 ，o ) = e y ( n 1 9 一f y c z 一，4 ， 式中，y ( n ) ；x t j 盲多用户检测器的输出信号：p ，q 为待取参数：f 是传输信号的某 种统计平均值。 恒模算法( c m a ) 的目的是使由式( 2 1 4 ) 定义的非线性代价函数最小化。 4 最小峰度盲多用户检测器 在d s c d m a 系统中，构造基于最小峰度准则的代价函数，即 ，o ) ：j e 医d o l 。) 一茁，o j 7 ) ( 2 - 1 5 ) 式中，y ( n ) 为盲多用户检测器的输出信号。 基于最小峰度准则检测算法的目的是使由式( 2 1 5 ) 定义的非线性代价函数最 小化。 2 2 2 盲多用户检测的常用算法 1 最小均方算法 最小均方( l e a s tm e a n s q u a r e ，简称l m s ) 算法是最陡下降法的一种特例【5 6 1 。 其权值的迭代公式沿用最陡下降法的迭代公式，不同之处是梯度的估计比较简单。 由于l m s 算法梯度估计的不完全准确性，使得其收敛时间略大于最陡下降法的时 l 日j 常数。 常见的自适应横截滤波器结构如图2 - 1 所示 1 3 太原理1 。人学硕士研究生学位论文 图2 - 1 自适应横截型滤波器 f i g 2 1s t r u c t u r eo f a d a p t i v et r a n s v e r s a lf i l t e r 设输入为 x ( n ) = i x 。t ) , x ，j ，( n ) ，_ 0 ) 】， 其中，表示矢量的转置。 定义滤波器的权矢量为 w ( 疗) = w o ( ”1 w 肋) w 。，w 。0 ) 则滤波器的输出为 y 0 ) = x7 加) w 0 )z w ，0 k o 一，) ( 2 1 6 ) ( 2 一1 7 ) ( 2 1 8 ) 自适应过程就是调整连接权值，使得输出y 0 ) 逼近期望响应信号d o ) 。方法 是利用输出与期望响应比较产生的误差信号去优化或调整权矢量。故得误差信号 为 e ( n ) = d ( ”) 一y ) = d ( n ) 一x7 ( ”加0 ) ( 2 一1 9 ) 实际应用中，使误差最小就是使误差信号的均方值，即其平均功率最小。由 式( 2 - 1 9 ) 可得