论文摘要
码分多址通信系统中，所有用户同时共享一个物理信道。由于多径时延的存在，各用户的信号不能同时到达接收机，使得到达接收机的各用户信息存在相对时延，这样，各用户之间的扩频码不再是完全正交的，从而产生了多址干扰（Multi-Access Interference，MAI）。只有当码的互相关特性对各种时延都为零时，才不存在多址干扰。事实上，完全正交的码在同步码分多址系统中很难找到，在非同步系统中几乎不可能找到。另一方面，在移动环境中还存在“远近效应”。上述两个问题的存在，使得常规的匹配滤波器接收机受到很大限制，实际的码分多址通信系统的性能也因此受到严重制约。为解决多址干扰问题，人们提出了多用户检测技术。经过几十年的发展，该技术已经日渐成熟，但是现有的多用户检测算法普遍存在计算复杂、收敛速度慢等缺陷，不能满足实时检测的要求，导致这项技术迟迟不能投入实际应用。近年来，与其他领域的科学相结合而提出的多用户检测算法逐渐显现出独有的优势，成为了研究的热点。神经网络作为一种有效的非线性优化工具，为多用户检测的研究提供了新的思路和方法。一方面，神经网络高度的非线性全局作用使得它能够实现从输入状态空间到输出状态空间的非线性映射。另一方面，神经网络可以通过训练和学习来获得网络的权值，有很强的自学习能力和对环境的适应能力。因此，结合神经网络的多用户检测技术就成为了一种重要的检测技术。本论文在深入研究了基于神经网络的多用户检测算法的基础上，提出了一种新的基于随机神经网络的多用户检测器，并通过仿真实验得到了一些有意义的结果。现将主要工作总结如下：1．建立了码分多址通信系统的发射和接收模型，通过数学推导分析了多址干扰的成因，并给出其数学公式。这有助于从整体上明确多用户检测的必要性和本论文的研究环境。2．介绍了多用户检测的原理和分类，对现有的几种典型算法进行了分析比较，得出了它们的优势和缺陷。3．重点对基于神经网络的多用户检测方法做了详细分析和数学推导，对BP算法、RBF网络和Hopfield模型的优缺点进行了分析比较。4．针对BP算法和Hopfield算法容易陷入局部极小点这一缺陷，本文提出了一种新的基于随机神经网络的多用户检测方法。该方法将遵循Boltzmann分布的随机神经网络应用到多用户检测中来，在该网络的收敛过程中又引入了平均场退火的概念，使得该算法同时具备了随机神经网络和平均场退火算法的优点。最后，从收敛速度、误码率、抗远近效应和抗信道突变多个方面对新算法的性能进行了仿真。仿真结果表明新算法吸取了随机神经网络和平均场退火算法的优点，克服了原有算法的缺陷，有效地降低了检测过程的收敛速度和误码率，达到了较好的检测效果。