CDMA移动通信系统上下行链路多用户检测算法研究

论文摘要

全球移动通信事业正经历着飞速的发展,随着移动用户数的急增和多样化需求的提出,现有以话音业务为主的移动通信系统已难以满足日新月异的需求变化,取而代之的是高速移动数据业务、移动流媒体、手机电视等对带宽网络资源要求苛刻的新兴业务。未来的高速通信需要能满足更大的系统容量、更高的传输速率的高频谱效率传输技术,码分多址（CDMA）技术的提出使这一目标得以实现。然而,在CDMA系统中,由于多个用户随机接入以及无线信道的时变特性对用户地址码之间互相关性的破坏,用户地址码之间不能保证完全正交,从而引起多址干扰。随着用户数的增加,这种干扰将越来越严重。传统的CDMA信号检测技术根据直接序列扩频理论对基带接收信号进行地址码相关计算,独立处理每个用户的信号,因此称为相关检测,它不具备抗多址干扰的能力。多用户检测是近年来在相关检测基础上发展起来的一种有效的抗干扰措施,是CDMA通信系统中抗干扰的关键技术。它利用多址干扰的各种可知信息,对目标用户的信号进行联合检测,从而具有抗多址干扰的能力,因而可以有效地利用频谱资源,显著提高系统容量,降低对功率控制的要求。本文以DS-CDMA和MC-CDMA信号为背景研究了码分多址通信中的这个基本问题。实时性是多用户检测算法能否实用的关键所在。本文深入分析了影响算法精度和收敛速度的各种因素,寻求能够实时检测的优化算法,得出了必须根据基站和移动终端的不同特点,充分利用已知信息,分别研究适合于基站的非盲自适应多用户检测算法和适合于移动终端的盲自适应多用户检测算法的结论。基于基站已知小区内所有用户的扩频码,从理论上完全有可能利用这些伪随机序列的已知结构信息和统计信息来消除多址干扰。为此,经过反复研究比较,提出了以下三种快速并行运算的智能算法。（1）并行干扰抵消（PIC）检测算法能以较低的计算复杂度和较小的处理延时实现比较理想的干扰消除、获得较大的性能改善,是当前工程上有可能实现的技术之一。然而,当前一级判决值不准确时,后一级就会做出错误的干扰抵消,进而影响到随后的判决。围绕着怎样确定干扰抵消因子这一问题,本文进行了深入的理论分析和一系列的仿真实验,对Hebb机理加以扩展、修正,应用于干扰抵消因子的调整,更多地考虑了信道的变化和每个用户所受干扰的不同,提出了全新的基于Hebb学习规则的部分并行干扰抵消（Hebe-PPIC）算法。该算法避免了因判决结果不准确造成的错误抵消,降低了误码率,减少了抵消算法级数。（2）为了进一步提高干扰抵消因子的实时性,提出了基于信干比估计的模糊部分并行干扰抵消（SIR-PPIC）算法。用前一级的信干比估计值构建隶属函数作为下一级的干扰抵消因子,由此实时跟踪信道的变化并对干扰抵消因子做出相应调整,进而提高了判决的准确率,在已有算法的基础上进一步降低了误码率。（3）基于神经网络运算速度快,并行处理能力强的特点,本文以最小均方误差为准则,利用Hopfield神经网络特有的并行干扰抵消结构及其固有的能量函数快速下降特性,提出了基于Hopfield神经网络的并行干扰抵消多用户检测（GMHNN）算法,并证明了该算法可以收敛到全局最小点。在移动终端,除了期望用户的信息之外,要获得网络中其它激活用户的扩频码和定时信息是不现实的。为此,本文提出了适合于移动终端的两种盲多用户检测算法。（1）在主分量分析算法的基础上,采用神经网络学习机制,取代主分量分析中的特征值分解。提出了基于双线性神经网络跟踪信号子空间的盲自适应多用户检测（NPCA）算法。该算法无需计算高阶协方差矩阵,而是直接从输入向量的采样值确定其特征向量及特征值,降低了运算复杂度,提高了算法的实时性。（2）针对LMS多用户检测算法收敛速度慢,而RLS和Kalman多用户检测算法计算复杂度高的问题,提出了一种基于动量因子变步长的最芯矫ぷ允视Χ嘤没Ъ觳?改进LMS)算法。该算法在初始阶段增大步长以加快收敛速度,当达到最优收敛点的邻域时,减少步长以降低失调误差,从而使步长随着实时剩余输出能量的变化趋势而变,这就同时保证了收敛速度和精度。很好地解决了收敛递变和稳态误差之间的矛盾,有效地抑制了多址干扰。理论分析和Monte Carlo仿真表明了以上算法对多用户检测性能的进一步改善。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第1章 绪论
• 1.1 研究多用户检测算法的意义
• 1.2 多用户检测技术的研究现状
• 1.2.1 线性多用户检测
• 1.2.2 非线性多用户检测
• 1.3 论文的研究背景
• 1.4 论文的研究内容及创新点
• 1.4.1 论文的研究内容
• 1.4.2 论文的创新点
• 1.5 论文的结构安排
• 第2章 DS-CDMA与MC-CDMA移动通信系统的多用户检测
• 2.1 无线移动信道
• 2.1.1 移动信道的信号衰落
• 2.1.2 无线移动信道的频率弥散
• 2.2 无线移动信道的数学模型
• 2.2.1 加性高斯白噪声信道的冲激响应
• 2.2.2 多径瑞利衰落信道的冲激响应
• 2.2.3 信道的数学模型
• 2.3 直接序列码分多址（DS-CDMA）系统
• 2.3.1 接收信号模型
• 2.3.2 匹配滤波的输出信号模型
• 2.4 多载波码分多址（MC-CDMA）系统
• 2.4.1 MC-CDMA系统工作原理
• 2.4.2 MC-CDMA系统信号模型
• 2.4.3 MC-CDMA系统基于AWGN信道的信号模型
• 2.4.4 MC-CDMA系统基于瑞利信道的信号模型
• 2.4.5 MC-CDMA系统中信号的合并检测方案
• 2.5 多用户检测
• 2.5.1 线性多用户检测与线性变换
• 2.5.2 线性多用户检测算法的典范表示
• 2.5.3 基于最小输出能量的盲多用户检测算法
• 2.5.4 并行干扰抵消多用户检测
• 2.6 本章小结
• 第3章 基于Hebb学习规则的部分并行干扰抵消多用户检测
• 3.1 部分并行干扰抵消多用户检测
• 3.1.1 部分并行干扰抵消的基本概念
• 3.1.2 DS-CDMA系统中的部分并行干扰抵消
• 3.1.3 MC-CDMA系统中的部分并行干扰抵消
• 3.2 Hebb-PPIC的原理及结构
• 3.2.1 人工神经网络
• 3.2.2 Hebb学习规则
• 3.2.3 Hebb-PPIC算法的原理
• 3.3 Hebb-PPIC算法的性能分析与验证
• 3.3.1 第一级的误码率
• 3.3.2 第二级的误码率
• 3.3.3 干扰抵消因子有效性的验证
• 3.4 在DS-CDMA系统中的算法仿真与性能分析
• 3.4.1 抗多址干扰性能的比较
• 3.4.2 抗信道噪声性能的比较
• 3.4.3 抗远近效应性能的比较
• 3.5 在MC-CDMA系统中的算法仿真与性能分析
• 3.5.1 抗信道噪声性能的比较
• 3.5.2 抗远近效应性能的比较
• 3.6 本章小结
• 第4章 基于信干比估计的模糊并行干扰抵消多用户检测
• 4.1 模糊集理论概述
• 4.1.1 模糊集理论的基本概念
• 4.1.2 隶属函数的确定
• 4.2 SIR-FPIC的基本原理及结构
• 4.2.1 DS-CDMA系统中的估计信干比
• 4.2.2 MC-CDMA系统中的估计信干比
• 4.2.3 SIR-FPIC中ICF函数的确定
• 4.3 SIR-FPIC的性能分析
• 4.4 在DS-CDMA系统中的算法仿真与性能仿真
• 4.4.1 基于干扰抵消级数的误码率比较
• 4.4.2 抗远近效应性能的比较
• 4.4.3 误码性能的比较
• 4.5 在MC-CDMA系统中的算法仿真与性能分析
• 4.5.1 基于干扰抵消级数的误码率性能比较
• 4.5.2 抗信道噪声性能的比较
• 4.5.3 抗远近效应性能的比较
• 4.6 本章小结
• 第5章 基于Hopfield神经网络的并行干扰抵消多用户检测
• 5.1 引言
• 5.2 基于HNN的多用户检测
• 5.2.1 电路模型
• 5.2.2 微分方程
• 5.2.3 二次整数优化与多用户检测
• 5.2.4 网络的能量函数
• 5.3 基于最小均方误差准则的HNN多用户检测
• 5.3.1 算法原理
• 5.3.2 算法全局收敛的证明
• 5.3.3 算法的改进
• 5.4 在DS-CDMA系统中的算法仿真与性能分析
• 5.5 在MC-CDMA系统中的算法仿真与性能分析
• 5.6 本章小结
• 第6章 基于神经网络跟踪信号子空间的盲自适应多用户检测
• 6.1 引言
• 6.2 NPCA盲多用户检测算法
• 6.2.1 基于子空间的盲多用户检测算法
• 6.2.2 基于优化理论的子空间跟踪算法比较
• 6.2.3 主分量分析算法
• 6.2.4 改进的PCA算法
• 6.3 算法仿真与性能分析
• 6.3.1 抗信道噪声性能的比较
• 6.3.2 信道跟踪性能比较
• 6.3.3 抗远近效应性能的比较
• 6.4 本章小结
• 第7章 基于动量因子变步长的最小均方盲自适应多用户检测
• 7.1 引言
• 7.2 LMS盲多用户检测算法
• 7.3 基于动量因子的变步长LMS盲多用户检测算法
• 7.3.1 基本LMS算法存在的问题及改进思路
• 7.3.2 改进型LMS算法的推导
• 7.4 算法仿真与性能分析
• 7.5 本章小结
• 总结与展望
• 1.本文工作总结
• 2.进一步的研究工作
• 参考文献
• 攻读博士学位期间发表的论文和论著
• 致谢
• 本文所用的主要符号说明