本文關(guān)鍵詞：直擴(kuò)碼分多址系統(tǒng)中若干計(jì)算智能算法的多用戶檢測(cè)研究

  更多相關(guān)文章： CDMA 多用戶檢測(cè) 恒模算法 人工魚(yú)群算法 克隆選擇與變異

【摘要】：多用戶檢測(cè)技術(shù)作為無(wú)線通信范疇多址干擾的有效解決途徑,其原理是將所有干擾用戶的有用信息如幅度、用戶碼及時(shí)延等充分利用,以減小擴(kuò)頻碼不完全正交而帶來(lái)的負(fù)面影響,從而大幅度提高系統(tǒng)的性能。本文對(duì)最優(yōu)及經(jīng)典次優(yōu)多用戶檢測(cè)技術(shù)進(jìn)行了研究,并對(duì)傳統(tǒng)檢測(cè)器、解相關(guān)多用戶檢測(cè)器以及最小均分誤差多用戶檢測(cè)器進(jìn)行了詳細(xì)討論,通過(guò)仿真對(duì)其性能進(jìn)行了驗(yàn)證與比較。由仿真研究結(jié)果驗(yàn)證了多用戶檢測(cè)具有“軟容量”的特點(diǎn),且其抗多址干擾和抗遠(yuǎn)近效應(yīng)能力較強(qiáng)。本文針對(duì)非標(biāo)準(zhǔn)約束恒模盲多用戶檢測(cè)器的魯棒性及信道跟蹤能力較差的問(wèn)題,通過(guò)定義基于瑞利分布變步長(zhǎng)的步長(zhǎng)函數(shù)公式,并將該新變步長(zhǎng)公式與僅需知道兩相鄰信號(hào)幅值差的差分恒模相結(jié)合,巧妙避免了對(duì)目標(biāo)幅值的搜索,由此提出基于瑞利分布變步長(zhǎng)的非標(biāo)準(zhǔn)約束差分恒模算法(RDV-NSCDCMA)。由仿真研究結(jié)果可知RDV-NSCDCMA的抗多址干擾能力、抗遠(yuǎn)近效應(yīng)能力以及信道跟蹤能力即使在信噪比較低以及多址干擾較強(qiáng)的情況下,仍然優(yōu)越于非標(biāo)準(zhǔn)約束恒模算法(NSCCMA)。本文針對(duì)自適應(yīng)人工魚(yú)群算法(AAFSA)搜索精度及保持開(kāi)發(fā)與探索平衡能力較差的問(wèn)題,以MMSE檢測(cè)器次優(yōu)解或其變異運(yùn)算結(jié)果為人工魚(yú)初值,目標(biāo)函數(shù)及其約束條件為抗原,候選解為抗體,按正比親和度克隆高親和度抗體,且引入自適應(yīng)變異算子,采用反比親和度變異。另外為了抗體多樣性的保證,按一定比例重新初始化低親和力抗體,由此提出自適應(yīng)克隆選擇與變異的改進(jìn)人工魚(yú)群算法(ACSM-IAFSA),即基于最小均方誤差和改進(jìn)人工魚(yú)群的多用戶檢測(cè)算法。由仿真研究結(jié)果可知ACSM-IAFSA的抗多址干擾能力、收斂速度以及抗遠(yuǎn)近效應(yīng)能力均優(yōu)越于其他兩種人工魚(yú)群算法,且新算法的保持種群多樣性以及保持開(kāi)發(fā)和探索平衡的能力也更佳。
【關(guān)鍵詞】：CDMA 多用戶檢測(cè) 恒模算法 人工魚(yú)群算法 克隆選擇與變異
【學(xué)位授予單位】：南京信息工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN929.5
【目錄】：

• 摘要6-7
• Abstract7-9
• 第一章 緒論9-15
• 1.1 課題的研究背景與意義9-11
• 1.2 多用戶檢測(cè)提出依據(jù)和研究現(xiàn)狀11-12
• 1.3 群智能優(yōu)化算法概述12-13
• 1.4 本文主要研究?jī)?nèi)容13-15
• 第二章 直擴(kuò)碼分多址移動(dòng)通信系統(tǒng)15-32
• 2.1 擴(kuò)頻通信系統(tǒng)15-20
• 2.1.1 擴(kuò)頻通信系統(tǒng)的理論基礎(chǔ)15-17
• 2.1.2 擴(kuò)頻方式17-20
• 2.2 擴(kuò)頻序列20-24
• 2.2.1 m序列21-22
• 2.2.2 gold序列22-24
• 2.3 直擴(kuò)碼分多址移動(dòng)通信24-32
• 2.3.1 直擴(kuò)碼分多址系統(tǒng)的性能指標(biāo)25-26
• 2.3.2 直接序列擴(kuò)頻CDMA系統(tǒng)模型26-27
• 2.3.3 高斯白噪聲同步直擴(kuò)CDMA信道模型27-28
• 2.3.4 高斯白噪聲異步直擴(kuò)CDMA信道模型28-32
• 第三章 多用戶檢測(cè)32-48
• 3.1 多用戶檢測(cè)技術(shù)32-35
• 3.1.1 多用戶檢測(cè)的分類33-34
• 3.1.2 最優(yōu)多用戶檢測(cè)器34-35
• 3.2 多用戶檢測(cè)器的性能指標(biāo)35-37
• 3.3 典型的多用戶檢測(cè)器37-44
• 3.3.1 解相關(guān)多用戶檢測(cè)器39-41
• 3.3.2 最小均方誤差多用戶檢測(cè)器41-42
• 3.3.3 自適應(yīng)多用戶檢測(cè)器42-44
• 3.4 性能仿真44-48
• 3.4.1 抗多址干擾能力44-45
• 3.4.2 噪聲功率的影響45
• 3.4.3 用戶數(shù)的影響45-46
• 3.4.4 抗遠(yuǎn)近效應(yīng)能力46-48
• 第四章 恒模算法在盲多用戶檢測(cè)中的研究48-61
• 4.1 盲多用戶檢測(cè)48-51
• 4.1.1 盲多用戶檢測(cè)的典范表示49
• 4.1.2 盲多用戶檢測(cè)的自適應(yīng)算法49-51
• 4.2 恒模盲多用戶檢測(cè)算法51-57
• 4.2.1 標(biāo)準(zhǔn)約束恒模盲多用戶檢測(cè)算法52-54
• 4.2.2 非標(biāo)準(zhǔn)約束恒模盲多用戶檢測(cè)算法54
• 4.2.3 非標(biāo)準(zhǔn)約束恒模的改進(jìn)算法研究54-57
• 4.3 性能仿真57-61
• 4.3.1 抗多址干擾能力57-58
• 4.3.2 抗遠(yuǎn)近效應(yīng)能力58-59
• 4.3.3 信道跟蹤能力59-61
• 第五章 人工魚(yú)群在多用戶檢測(cè)中的研究61-77
• 5.1 人工魚(yú)群算法61-64
• 5.1.1 人工魚(yú)群算法的結(jié)構(gòu)模型61-63
• 5.1.2 人工魚(yú)群算法的尋優(yōu)與實(shí)現(xiàn)63-64
• 5.2 人工魚(yú)群多用戶檢測(cè)算法64-72
• 5.2.1 自適應(yīng)人工魚(yú)群算法65-67
• 5.2.2 基于自適應(yīng)克隆選擇與變異的人工魚(yú)群算法67-70
• 5.2.3 自適應(yīng)克隆選擇與變異的改進(jìn)人工魚(yú)群算法70-72
• 5.3 性能仿真72-77
• 5.3.1 抗多址干擾能力73-74
• 5.3.2 收斂速度74-75
• 5.3.3 抗遠(yuǎn)近效應(yīng)能力75-77
• 第六章 總結(jié)與展望77-79
• 6.1 總結(jié)77-78
• 6.2 展望78-79
• 參考文獻(xiàn)79-85
• 致謝85-86
• 攻讀碩士學(xué)位期間撰寫的論文86

，

本文編號(hào)：1111630