基于恒模算法自适应阵列天线的多用户识别方法的研究

基于恒模算法自适应阵列天线的多用户识别方法的研究

论文摘要

基于阵列天线的多用户识别涉及数字信息流相互干扰的信息解调,通常应用在如无线通信,高速数据传输,卫星通信,数字电视和磁记录等领域。多用户识别技术的发展是当代通信技术领域中最为重要的进步之一。本文提出了一种新颖的分两步处理的基于恒模算法自适应阵列天线的多用户识别方法。在本方法中,接收到的信号会被分为两个步骤进行处理。在第一个阶段,只有一个用户会被传统的恒模算法捕捉到,并且与此同时,其它输入用户的波达方向会被估计出来。在第二个步骤中,新的初始权重向量会根据第一步骤中估计出的被压制信号的波达方向角而被重新设置,然后,若干个阵列天线的自适应处理器会根据不同的初始权重向量,同时使用再次恒模算法对接收到的信号进行处理,并行的将第一步中被抑制的所有信号输出。通过这个新颖的多用户识别方法,所有的用户就这样都被准确的检测出来并分别得到输出了。本文提供了计算机仿真结果用来检测提出的多用户识别方法的表现。通过Matlab软件的仿真,输入用户初始功率的差异、阵列因子和输入用户数量的变化、相邻用户间夹角角度对此多用户识别方法表现的影响都被详尽地展示说明了,并对实验中不同参数产生的实验结果差异做了深刻的讨论和解释。仿真的结果表明,本方法简捷方便、易于实现、准确度与精度都达到了很高的标准,尤其是使用8因子阵列天线时,最小二乘恒模算法的用户分别概率高达95%以上,是个优异的多用户识别方法。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 引言
  • 1.2 智能天线发展现状
  • 1.3 盲多用户检测的发展现状
  • 1.4 论文研究的主要内容
  • 1.5 论文研究中的难点和创新点
  • 1.6 论文结构安排
  • 第二章 基于恒模算法的自适应阵列天线概述
  • 2.1 空分多址技术(SDMA)简介
  • 2.2 智能天线技术分类及应用
  • 2.2.1 波束转换智能天线
  • 2.2.2 自适应阵列智能天线
  • 2.2.3 智能天线的自适应波束成形技术
  • 2.3 自适应阵列天线的结构
  • 2.3.1 任意形状的阵列表达
  • 2.3.2 均匀线性阵列天线
  • 2.3.3 均匀圆周阵列天线
  • 2.4 恒模算法(CMA)概述
  • 2.4.1 信号的恒模特性
  • 2.4.2 恒模算法的基本思想
  • 2.4.3 恒模算法的自适应工作原理
  • 2.4.4 基于多个恒模用户的算法
  • 2.5 基于恒模算法的自适应阵列天线
  • 2.5 本章小结
  • 第三章 基于恒模算法的多用户识别方法的研究与设计
  • 3.1 恒模算法应用在多用户识别中存在的问题
  • 3.2 多用户识别方法的总体结构
  • 3.3 步骤一:期望用户波达方向的估计
  • 3.3.1 天线方向图的初始状态
  • 3.3.2 第一步恒模算法对信号的捕捉
  • 3.3.3 被抑制信号的波达方向估计
  • 3.4 步骤二:被抑制信号的识别与恢复
  • 3.4.1 信号初始功率对信号捕捉的影响
  • 3.4.2 相位控制阵列
  • 3.4.3 目标用户的恢复
  • 3.5 本章小结
  • 第四章 基于恒模算法的多用户识别方法的表现
  • 4.1 信号模型
  • 4.2 输入信干比(SIR)及阵列因子数量的影响
  • 4.3 输入用户数量的影响
  • 4.4 相邻用户间夹角角度的影响
  • 4.5 本章小结
  • 第五章 基于恒模算法的多用户识别方法的优化
  • 5.1 最小二乘恒模算法(LS-CMA)简介
  • 5.2 优化后多用户识别方法的实现
  • 5.3 优化后多用户识别方法的表现
  • 5.3.1 输入用户数量及阵列因子数的影响
  • 5.3.2 相邻用户间夹角角度的影响
  • 5.4 本章小结
  • 第六章 总结与展望
  • 6.1 结论
  • 6.2 后续应当开展的工作
  • 参考文献
  • 致谢
  • 研究成果及发表的学术论文
  • 作者和导师简介
  • 北京化工大学硕士研究生学位论文答辩委员会决议书
  • 相关论文文献

    • [1].基于云计算的网络资源缺失信息识别方法[J]. 电子元器件与信息技术 2019(11)
    • [2].武汉市主城区现状用地自主识别方法探索[J]. 中国土地 2020(02)
    • [3].基于场景-部件的人体行为识别方法[J]. 测控技术 2020(02)
    • [4].基于人眼识别的人脸朝向识别方法[J]. 信息记录材料 2020(01)
    • [5].产品虚假评论文本识别方法研究述评[J]. 数据分析与知识发现 2019(09)
    • [6].网络谣言识别方法及展望[J]. 网络空间安全 2016(Z2)
    • [7].物联网智能终端设备识别方法[J]. 电信科学 2017(02)
    • [8].一种分布式人脸识别方法及性能优化[J]. 光学精密工程 2017(03)
    • [9].振动目标产生的瑞雷波的识别方法研究[J]. 沈阳理工大学学报 2017(02)
    • [10].松辽盆地二氧化碳气层录井识别方法[J]. 石化技术 2017(10)
    • [11].用于机动目标跟踪的分段机动识别方法[J]. 电波科学学报 2015(01)
    • [12].“特殊的平行四边形”易错点剖析[J]. 初中生世界 2017(15)
    • [13].基于深度学习的人脸识别方法研究进展[J]. 现代计算机 2020(01)
    • [14].基于典型相关分析特征融合的行人再识别方法[J]. 光电子·激光 2020(05)
    • [15].4G网络深度覆盖“283”识别方法研究[J]. 数字通信世界 2019(03)
    • [16].颠覆性技术识别方法研究与应用分析[J]. 军事医学 2018(01)
    • [17].一种大象流两级识别方法[J]. 电信科学 2017(03)
    • [18].多角度人脸检测与识别方法研究[J]. 电子设计工程 2017(11)
    • [19].卫星图像传输跟踪优化识别方法仿真研究[J]. 计算机仿真 2017(09)
    • [20].基于主题模型和情感分析的垃圾评论识别方法研究[J]. 计算机科学 2017(10)
    • [21].同形异义词机器辅助识别方法研究[J]. 数字图书馆论坛 2015(05)
    • [22].4G网络深度覆盖精确需求识别方法研究[J]. 电信工程技术与标准化 2015(09)
    • [23].基于深度流形表示学习的工业过程多故障识别方法[J]. 计算机与数字工程 2020(10)
    • [24].试分析基于区域生长的道路和桥梁识别方法的研究[J]. 科技创业家 2014(01)
    • [25].基于统计的人脸识别方法综述[J]. 安阳工学院学报 2012(04)
    • [26].基于情景分析的项目风险识别方法研究[J]. 理论观察 2012(05)
    • [27].基于深度学习的视频行为识别方法综述[J]. 电信科学 2019(12)
    • [28].基于深度学习的场景识别方法综述[J]. 计算机工程与应用 2020(05)
    • [29].基于特征的矢量图形符号渐进识别方法[J]. 软件导刊 2020(05)
    • [30].天然气管道泄漏的声-压耦合识别方法[J]. 应用声学 2020(03)

    标签:;  ;  ;  ;  ;  

    基于恒模算法自适应阵列天线的多用户识别方法的研究
    下载Doc文档

    猜你喜欢