基于混合鲸鱼优化算法的鲁棒多用户检测

针对冲击噪声环境下多用户检测误码率高的问题,提出一种基于混合鲸鱼优化的鲁棒多用户检测算法。该算法首先利用基于非线性控制策略的改进鲸鱼优化算法,加速寻优算法迭代过程的收敛;再利用自适应差分进化算法丰富算法种群个体信息,增强优化算法的全局收敛性;同时将适应度较好的个体信息保存到集合中,以保证下一次迭代寻优方向的可靠性,最终实现对最优解位置的快速解算。仿真结果表明,基于本文算法设计的多用户检测器相比采用遗传算法、差分进化算法,以及鲸鱼优化算法的多用户检测器寻优迭代次数更少,且误码率低。     

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.     

多用户检测算法及其性能分析

首先阐述了多用户检测的现状，并介绍了线性多用户检测算法、判决反馈检测器、盲多用户检测、盲多用户检测的子空间方法等几种主要的多用户检测技术．对几种多用户检测方法进行了误码率仿真分析，最后对多用户检测技术进行了展望．     

改进的暂态混沌神经网络多用户检测器

提出了一种基于自反馈连接权值优化策略的暂态混沌神经网络多用户检测方法.该方法采用一种改进的变指数退火函数,对自反馈权值进行优化,既充分利用混沌的动态特性进行搜索,使算法可以从局部最优值中跳出,又加快收敛速度,减少收敛时间.仿真结果表明,这种检测器在误码率和抗远近效应方面优于已有的神经网络多用户检测器,能较好地逼近最佳多用户检测器的性能.     

基于分支定界算法的DS—CDMAUWB系统多用户检测技术研究

研究一种带预处理的检测器,利用预处理动态设定的门限值直接判决用户的比特数据信息,用以解决线性多用户检测器由于判决门限值固定而影响检测性能的问题;利用分支定界算法进行预处理可以得到全局最优解,将原有的多用户检测问题转变成较小规模的检测问题,以达到减少多址干扰、增加正确判决的概率以及降低系统检测误码率的目的．仿真实验结果表明：预处理后,系统检测正确判决的概率增大,误码率降低．     

基于自适应免疫进化算法的多用户检测

本文采用自适应免疫进化算法来解决多用户检测问题．通过计算机仿真，无论是抗多址干扰还是抑制远近效应，此方法都明显优于传统检测方法，并且具有与最优检测器接近的误码率性能。     

基于神经网络的智能多用户检测技术在CDMA中的应用

多用户检测技术是第 3代移动通信系统IMT 2 0 0 0中的一项关键技术。求解最优多用户检测器的目标函数的最小值问题可以转化为求解Hopfield神经网络的能量函数的最小值问题。对两种基于神经网络的智能多用户检测器进行性能分析和计算机仿真 ,通过与最佳多用户检测器和传统检测器的比较 ,证实了这两种神经网络检测器都能较好地实现多用户检测的功能 ,因此 ,神经网络多用户检测技术是一种切实可行的方案     

一种新的次优多用户检测器

针对码分多址接入（CDMA）系统中最优多用户检测器的指数计算复杂度问题，从组合优化的角度，提出了一种基于遗传算法和局部最小算法的次优多用户检测器，这种多用户检测器，通过遗传算法进行初步选择，再用局部最小算法进行局部优化，可避免单纯使用遗传算法时收敛速度慢，易于出现早熟收敛等缺点，且计算复杂度小，计算机仿真结果表明，该检测器的比特误码性能接近最优多用户检测器。     

基于RBF神经网络多用户检测方法的设计

基于免疫算法和免疫进化网络,提出了一种训练RBF网络的混合算法.该算法采用了一种可以实现数据聚类的免疫进化网络,根据输入数据集合自适应地确定RBF网络隐层中心的数量和初始位置;采用免疫算法训练RBF网络,使优化过程趋于全局最优.通过计算机仿真证明,将该方法应用于多用户检测中获得了比传统检测器和其他方法训练的RBF网络多用户检测器更好的误码率检测性能.     

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     

一种准最优多用户检测方法

由于 Verdu 提出的最优多用户检测方法采用Viterbi算法 ,它的计算复杂度与用户数成指数关系 ,无法在实际中应用 ,因此提出了一种采用半正定规划 (positive se-mi- definite programming,SDP)的新的准最优多用户检测方法。这种方法将最优多用户检测方法转化成一个二次规划(quadratic programm ing,QP)的求解问题 ,并通过半正定规划松弛来解决这个二次规划问题。由于这种方法采用的半正定规划问题求解方法具有多项式程度的复杂性 ,所以这种新的 SDP多用户检测方法也具有多项式程度的复杂性。仿真表明 :这种新的 SDP多用户检测器的性能十分逼近最优多用户检测器的性能     

基于FSYAST子空间算法的盲自适应多用户检测

为解决传统算法因引入特征值估计误差而导致检测性能下降的问题,在分析基于信号子空间跟踪的最小均方误差(MMSE)多用户检测器(MUD)的基础上,提出了一种改进的信号子空间盲线性MMSE多用户检测器,并应用FSYAST子空间跟踪算法进行信号子空间跟踪.仿真结果表明,提出的盲自适应多用户检测器性能接近于奇异值分解(SVD)子空间多用户检测器性能.     

一种新的次优多用户检测器

针对码分多址接入(CDM A)系统中最优多用户检测的指数计算复杂度问题,从组合优化的角度提出了一种基于改进遗传算法的多用户检测;这种方法通过增加种群的多样性,可避免单纯使用遗传算法时收敛速度慢、易于出现早熟收敛等缺点;计算机仿真结果表明,该检测器的比特误码性能接近最佳检测器。     

基于干扰子空间估计的跳频多址信号检测

通过对跳频多址信号的时频图案分析,建立了基于信号子空间的系统模型和跳频多址信号的解相关检测算法.该算法采用子空间跟踪的思想,将干扰子空间从检测信号空间上予以消除,克服了传统检测器需要知道系统中所有用户跳频图案的约束和串行干扰消除中的干扰扩散问题.与传统检测器相比,该算法具有更好的系统误码性能、较低的计算复杂度和很好的系统稳健性.MonteCarlo仿真结果表明,在同一个误码率条件下,基于子空间的盲多用户检测器比传统检测器的信噪比提高了2～4dB.     

自适应暂态混沌神经网络在CDMA多用户检测器中的应用

提出一种自适应变尺度暂态混沌神经网络，并将其应用于CDMA的多用户检测技术。该算法在优化搜索过程中根据暂态混沌神经网络能量函数的变化调整网络参数，自适应地控制能量函数对神经网络动力学特性产生良好的影响。仿真结果表明，基于改进的自适应混沌神经网络算法的多用户检测器能够有效地逼近CDMA的最优多用户检测器的性能。     

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。     

基于一种改进遗传算法的多用户检测器

针对码分多址接入(CDMA)系统中最优多用户检测的指数计算复杂度问题,从组合优化的角度,提出了一种基于改进遗传算法的多用户检测。这种方法通过增加种群的多样性,可避免单纯使用遗传算法时收敛速度慢,易于出现早熟收敛等缺点。实验结果表明,该方法可获得接近最佳检测的性能。