基于RBF神经网络的DS—CDMA多用户检测

多用户检测技术是CDMA系统抑制多址干扰，克服远近效应的关键技术．采用RBF神经网络作为DS—CDMA系统的多用户检测器，给出在同步高斯信道条件下RBF神经网络多用户检测器原理图，并分析了利用RBF神经网络进行多用户检测的原理．通过仿真实验证明，讨论的RBF神经网络多用户检测器能够得到优于匹配滤波器接收机的误码率检测性能．     

自适应BP网络多用户检测在同步CDMA扩频通信系统中的应用

研究了将自适应BP网络应用于直接序列码分多址扩频通信的多用户检测,先给出了在同步高斯信道下运用三层自适应BP网络解调扩频信号的结构框图,然后分析了基于这种网络进行多用户检测的理论依据和实际性能。仿真结果表明,无论是抗多址干扰还是抑制远近效应,自适应BP神经网络接收机都明显优于传统接收机和BP神经网络接收机,其性能非常接近最佳接收机。     

非Gaussian信道DS-CDMA系统中的多用户检测算法

对于实际非Gaussian加性噪声信道条件下的DS-CDMA系统,基于理想Gaussian白噪声假设的多用户接收机的性能会严重下降。为了同时抑制多址干扰和非Gaussian脉冲噪声的影响,提出了一种自适应多用户接收机,其模型参数的估计和传输数据的检测采用EM/SAGE递归结构联合进行。该接收机具有实现简单、鲁棒性高、适用性强的优点。分析和仿真结果表明,无论是在多址干扰还是在非Gaussian脉冲噪声占主导的情况下,EM/SAGE-MUD算法在降低误码率,克服远近效应方面比起传统的多用户检测方法有显著改善。     

基于克隆选择算法和神经网络的多用户检测

针对传统检测器和最佳检测器在多用户检测中存在的缺点,利用克隆选择算法和Hopfield神经网络在解决优化问题的优势,提出了一种基于改进的克隆选择算法和神经网络的准最佳多用户检测器并用计算机进行仿真.仿真结果证明了该多用户检测器有良好的抗多址干扰和抗"远近效应"的能力,并有计算复杂度低和易于实时实现的优点.     

采用粒子集群算法的DS-CDMA多用户检测

为了有效抑制多址干扰 ,实现结构简单、鲁棒性强的目的 ,将粒子集群算法 (PSO)应用于直扩码分多址 (DS-CDMA)通信系统的多用户检测中。提出了 PSO- MU D方法。利用改进的 PSO- MU D方法与传统多阶段多用户检测器相结合 ,在加速收敛的同时降低了计算复杂度。仿真结果表明 ,这种多用户检测器充分利用了粒子集群算法的优良特性 ,与传统的 CDMA接收机和基于遗传算法的多用户检测器相比较 ,在误码率、收敛速度、抗远近能力等方面都有显著改善     

OPASTd子空间跟踪算法及其在盲多用户检测系统中的应用

为了提高基于子空间的盲多用户检测方法的性能,在简要介绍了现有的跟踪向量序列的主要子空间和特征元素的快速算法的基础上,提出了正交压缩近似投影子空间跟踪算法(OPASTd),该算法在应用压缩技术的同时,保证了每次迭代估计出的信号子空间的正交性。将该算法应用于多用户检测系统时,系统的抗多址干扰(MAI)和抗远近效应的能力和其他算法相比都有所提高,特别是在抗远近效应方面提高较大。     

OPASTd子空间跟踪算法及其在盲多用户检测系统中的应用

为了提高基于子空间的盲多用户检测方法的性能,在简要介绍了现有的跟踪向量序列的主要子空间和特征元素的快速算法的基础上,提出了正交压缩近似投影子空间跟踪算法(OPASTd),该算法在应用压缩技术的同时,保证了每次迭代估计出的信号子空间的正交性。将该算法应用于多用户检测系统时,系统的抗多址干扰(MAI)和抗远近效应的能力和其他算法相比都有所提高,特别是在抗远近效应方面提高较大。     

直接序列扩频多用户检测算法

多址干扰以及远近效应是影响扩频系统性能的两大关键问题。多用户检测是一种从接收端设计入手的干扰抑制方法,主要作用是从用户信息相互叠加的CDMA信号中可靠地解调出部分或全部用户的信息。多用户检测技术是消除多址干扰,缓解远近效应,提高系统性能的有效方法,本文介绍了几种经典的用于直接序列扩频的多用户检测算法。     

基于免疫算法的MC-CDMA多用户检测研究

MC-CDMA是目前最新的移动通信系统,它极大地提高了通信速率和抗频率选择性衰落的性能,但由于受到多址干扰的影响,必须采用多用户检测技术．该文提出了一种基于免疫算法的多用户检测方法,有效消除了多址干扰和远近效应的影响,并能够快速收敛到全局最优解．实验仿真结果表明,基于免疫算法的多用户检测方法无论在信噪比、远近比还是用户数目变化时,其性能均优于同等条件下的解相关和最小均方方法,更接近于最佳多用户检测性能,而且运行时间明显小于最佳多用户检测．     

CDMA系统的一种自适应多用户检测方法

常规的匹配滤波器接收机无法克服ＣＤＭＡ的多址干扰和远近效应,因而限制了ＣＤＭＡ系统的容量．为此,需要采用干扰抑制和自适应处理的多用户检测技术．已有的很多抗远近效应和干扰抑制的多用户接收机都比较复杂,还要求估计干扰用户的信号参量．该文提出一种简化的自适应最小均方误差多用户检测接收方法,可以用自适应方式实现滤波器参数的最小均方误差意义上的最优化．理论分析与数字模拟的结果表明该方法与匹配滤波器相比,能明显地提高抗多址干扰能力     

衰落信道下自适应卡尔曼异步IC多用户检测器

针对单一串行干扰消除(SIC)算法与并行干扰消除(PIC)算法在进行多用户检测(MUD)时的判决误差扩散问题,研究了强多址干扰(MAI)情况下直接序列扩频码分多址(directsequencespreadspectrumcodedivisionmultipleaccess,DS-CDMA)系统中的干扰消除多用户检测算法.结合自适应卡尔曼算法提出了一种适于衰落信道的级联结构K AIC多用户检测算法.所提算法实现了对时变多径衰落信道的全面跟踪,能够在干扰消除检测过程中避免判决误差扩散,达到抑制MAI的目的.仿真结果表明,所提算法具有更好的收敛性、动态跟踪能力及算法精度,是一种有效的干扰消除多用户检测算法.     

异步CDMA系统中一种新颖的盲自适应多用户检测方法

盲自适应多用户检测技术是码分多址 (CDMA)系统中抑制多址干扰的一项重要技术。针对传统的基于最小化平均输出能量准则的盲自适应多用户检测技术收敛速度慢的缺点 ,利用一种新近提出的多用户接收器的典范表示方式 ,为 CDMA系统构造了一种动态系统模型 ,然后利用Kalman滤波算法 ,设计了一种新的盲自适应多用户检测方法。理论分析和数值仿真表明 ,在异步 CDMA系统中 ,与现有的基于 L MS算法、基于 RL S算法等盲自适应多用户检测方法相比 ,该方法具有收敛速度快速稳定 ,跟踪性能好等优点     

CDMA系统中多用户检测算法的研究

在DS-CDMA系统中,多用户检测技术是抗多址干扰和“远近效应”的有效方法,因此也成为了第三代移动通信的关键技术之一。文中通过仿真比较分析了传统检测器、最优检测器、解相关检测器、MMSE检测器、串行干扰抵消检测器、并行干扰抵消检测器和解相关判决反馈检测器等经典多用户检测器的误码率、渐近多用户有效性和抗远近能力,并从计算复杂度和所需的假定知识两个方面讨论了这些检测器的实现复杂度。     

一种新的混合多径干扰抵消方法

在CDMA上行链路中,由于信号的异步传输和多径传播,会引起多址干扰和多径干扰,使得传统的RAKE接收机性能变差．并行干扰抵消和串行干扰抵消可在一定程度上抑止干扰,但并行干扰抵消抗远近效应能力较差,串行干扰抵消会引入较大的处理延时．提出了一种新的混合干扰抵消接收机结构,具有低复杂度,低延时,抗远近效应等优点,可以有效克服多址干扰和多径干扰,性能明显优于上述两种干扰抵消方法．     

基于改进人工蜂群算法的大青杨晚材率预测

为了更加准确地预测人工林大青杨(Populus ussuriensis)晚材率,通过对标准人工蜂群算法(artificial bee colony, ABC)的蜜源更新公式进行改进,提出了分段式蜜源搜索半径公式,并用改进的人工蜂群算法(AABC)对径向基(radial basis function, RBF)神经网络的初始参数进行优化,提出一种基于改进的人工蜂群算法和径向基神经网络算法结合的预测模型,并与粒子群(partical swarm optimization, PSO)优化的RBF神经网络预测结果进行对比。结果表明:传统的RBF预测模型不仅收敛速度慢,而且预测精度不高。基于改进的ABC算法优化RBF神经网络预测模型整体比PSO优化的效果相对较好,收敛速度从42步提升至28步,预测的平均相对误差从2.54%降低到0.95%。可见对ABC算法的改进是可行的,而且提高了晚材率预测的精度。     

蚁群算法优化RBF神经网络的网络流量预测

传统RBF神经网络在网络流量预测过程中存在收敛速度慢、极易出现局部最优等缺点,从而导致预测精度低。采用蚁群算法优化RBF神经网络参数来进行网络流量预测。利用蚁群优化算法来训练RBF神经网络的基函数宽度和中心,简化网络结构,加快收敛速度,防止局部最优的出现,改善RBF神经网络的泛化能力。实验结果表明,相对于GA-RBF以及PSO-RBF流量预测模型,模型预测准确度更高,能够很好地描述网络流的变化规律。具有泛化能力强、稳定性良好的特点,在网络流量预测中有一定的实用价值。