智能算法在MC-CDMA系统多用户检测中应用研究

论文摘要

多用户检测（MUD）问题可以看作一个组合优化问题,因此可将智能计算的优化机理应用于多用户检测的寻优过程中。本文主要致力于在多天线分集接收多载波码分多址（MC-CDMA）系统中应用智能计算方法解决多用户检测问题。本文的主要工作可以概括如下:1、在分析MC-CDMA原理的基础上建立了其在高斯和瑞利信道下的发射和接收数学模型。2、详细介绍了几种常用的次优多用户检测器的实现方法,并给出它们的性能仿真结果。3、针对频率选择性信道下使用多天线分集接收MC-CDMA系统上行链路中的多用户检测问题,提出了一种基于遗传算法（GA）的多用户检测方案—GA-MUD,针对两种不同的代价函数和两种不同的个体选择机制对GA多用户检测的性能进行比较。仿真分析表明:在相同计算复杂度下,基于相位误差平方和函数的方案要优于基于对数似然函数的方案;基于Pareto优化准则机制要优于基于线性合并准则的机制;4、针对MC-CDMA系统上行链路的频率选择性信道中的多用户检测问题,提出了一种使用多天线分集接收的基于改进人工鱼群算法（AFSA）的多用户检测（MUD）方案—AFSA-MUD,对不同天线分支代价函数根据Pareto优化准则进行个体选择,使改进后的鱼群算法具有同时独立利用不同天线分支信号携带的有用信息的能力。仿真结果表明,在相近计算复杂度下,AFSA-MUD优于GA-MUD。5、针对频率选择性信道下MC-CDMA系统,提出了一种基于遗传算法的单天线双代价函数多用户检测方案。与单天线单代价函数系统和双天线单代价函数系统的分析和仿真比较表明,该方案的BER性能比单天线单代价函数方案更优;在低于双天线单代价函数方法计算复杂度情况下,采用该方案的BER性能接近双天线系统。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 移动通信发展概述
• 1.2 计算智能方法概述
• 1.2.1 遗传算法
• 1.2.2 人工鱼群算法
• 1.3 多用户检测
• 1.3.1 多用户检测的意义
• 1.3.2 多用户检测的商用前景
• 1.4 分集接收技术
• 1.4.1 分集技术
• 1.4.2 接收技术
• 1.5 本论文的主要工作和内容安排
• 第2章 MC-CDMA系统和多用户检测
• 2.1 MC-CDMA系统
• 2.1.1 CDMA技术
• 2.1.2 多载波调制和OFDM
• 2.1.3 OFDM系统的保护间隔和循环前缀
• 2.1.4 MC-CDMA通信系统
• 2.2 多用户检测
• 2.2.1 多用户检测思想的提出
• 2.2.2 多用户检测的性能测度
• 2.2.3 MC-CDMA系统多用户检测基本原理
• 2.2.4 常见检测器介绍
• 2.3 常见多用户检测器性能仿真
• 第3章 MC-CDMA系统基于遗传算法的多用户检测
• 3.1 遗传算法的原理
• 3.2 MC-CDMA系统中基于遗传算法的多用户检测
• 3.2.1 信号模型
• 3.2.2 基于遗传算法的多用户检测
• 3.2.3 计算复杂度
• 3.3 仿真结果分析
• 3.4 小结
• 第4章 MC-CDMA系统基于改进的人工鱼群算法的多用户检测
• 4.1 AFSA算法
• 4.1.1 人工鱼群算法的原理
• 4.1.2 人工鱼群算法的行为描述
• 4.2 基于AFSA算法的多用户检测
• 4.2.1 多天线AFSA-MUD算法
• 4.2.2 AFSA多用户检测
• 4.2.3 计算复杂度
• 4.3 仿真结果
• 4.4 小结
• 第5章 MC-CDMA系统基于遗传算法的单天线双代价函数多用户检测
• 5.1 单天线双代价函数方案系统模型
• 5.2 单天线双代价函数算法实现
• 5.3 单天线双代价函数可行性研究
• 5.4 计算复杂度
• 5.5 仿真结果
• 5.6 小结
• 结论与展望
• 1.本文工作总结
• 2.未来工作展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文