学位论文 > 优秀研究生学位论文题录展示

基于量子克隆遗传算法的多用户检测研究

作　者: 彭海燕
导　师: 张利华
学　校: 华东交通大学
专　业: 交通信息工程及控制
关键词: 多址干扰多用户检测遗传算法量子遗传算法量子克隆遗传算法
分类号: TN929.533
类　型: 硕士论文
年　份: 2011年
下　载: 25次
引　用: 0次
阅　读: 论文下载

内容摘要

随着社会的进步与发展,DS-CDMA移动通信技术也得到了飞跃的发展。到目前为止,已经发展到第三代(3G)移动通信,它给人们的日常生活和工作带来了更加方便、快捷的服务。但随着多媒体业务以及高速数据业务内容的不断丰富,这就要求新一代的移动通信必须具有更高的系统容量。在目前所采用的DS-CDMA移动通信系统中,随着用户数量的增多,用户之间的干扰也越来越严重,其中最主要的干扰就是多址干扰(MAI),它是一种小区内用户之间的干扰。它的存在严重制约了移动通信系统的性能和系统容量。这迫使研究者们去寻找一种能消除多址干扰的技术,由此提出了多用户检测技术。多用户检测技术的基本思想就是把多址干扰作为一种有用的用户信息加以利用,而不是将其简单地看作干扰噪声来处理掉,它能有效地消除多址干扰或将多址干扰减少到最低,从而达到提高系统的性能和容量的目的。由于现有的量子克隆遗传算法在算法中增加了免疫克隆策略,避免了算法的盲目性和随机性,能避免早熟,具有加速收敛的特点,但是该算法性能的提升是以扩大空间搜索范围,增加计算时间为代价的;而且,算法中采用根据量子的叠加特性和量子跃迁的理论而设计的量子旋转门的变异策略,使得量子门的全局最优搜索方向的确定存在盲目性。为此,针对这些缺陷,在李阳阳[5]给出的量子克隆遗传算法的基础上,在进化早期,采用小生境协同进化策略初始化量子种群,便于最优染色体的寻优;在进化中期,引入量子全干扰交叉,在整个种群内进行信息传递,避免陷入局部极值点,加速算法收敛,同时使用自适应量子旋转角更新策略,加速最优解的搜索;在进化后期,为避免早熟和进化停滞,采用量子灾变策略,使用优体全干扰交叉,使种群从各个不同方向搜索目标解,由此给出了一种改进的量子克隆遗传算法(Improved Quantum Clone Genetic Algorithm, IQCGA)。经全局收敛性证明和性能测试表明,IQCGA算法具有种群多样性好、全局寻优能力强、搜索效率高、收敛速度快、算法效率适当的特点,可以应用到组合优化问题中。多用户检测是一个组合优化问题,基于IQCGA,给出了DS-CDMA系统的多用户检测算法。利用Matlab将其与基于遗传算法的多用户检测器(GA-MUD)、基于量子遗传算法的多用户检测器(QGA-MUD)和基于量子克隆遗传算法的多用户检测器(QCGA-MUD)进行仿真对比,仿真结果表明:IQCGA-MUD的误码率、收敛速度、抗多址干扰能力和抗“远近”效应的能力均优于GA-MUD、QGA-MUD和QCGA-MUD。

全文目录

摘要  4-6
ABSTRACT  6-10
第一章绪论  10-17
  1.1 多用户检测研究的背景及意义  10-11
  1.2 量子行为优化算法的研究现状  11-12
  1.3 多用户检测的研究现状  12-15
  1.4 论文结构及内容安排  15-17
第二章量子行为优化算法  17-28
  2.1 量子计算原理  17-19
    2.1.1 量子位与量子门  17-18
    2.1.2 量子寄存器  18
    2.1.3 状态的叠加  18-19
    2.1.4 状态的相干  19
  2.2 量子行为优化算法  19-26
    2.2.1 量子粒子群优化算法  19-20
    2.2.2 量子神经网络  20-21
    2.2.3 量子蚁群算法  21-23
    2.2.4 量子遗传算法  23-24
    2.2.5 量子克隆遗传算法  24-26
  2.3 量子优化算法的对比分析  26
  2.4 本章小结  26-28
第三章多用户检测技术研究  28-47
  3.1 多用户检测技术的原理  28-31
    3.1.1 多用户检测的系统模型  28-29
    3.1.2 多用户检测的工作原理  29-31
  3.2 多用户检测器的性能指标和分类  31-34
    3.2.1 多用户检测器的性能指标  31-32
    3.2.2 多用户检测器的分类  32-34
  3.3 几种典型的多用户检测器  34-43
    3.3.1 最优多用户检测器(OMD)  34-35
    3.3.2 最小输出能量（MOE）盲检测器  35-36
    3.3.3 并行干扰消除(PIC)检测器  36
    3.3.4 基于遗传算法的多用户检测器  36-39
    3.3.5 基于量子遗传算法的多用户检测器  39-40
    3.3.6 基于量子克隆遗传算法的多用户检测器  40-41
    3.3.7 基于蚁群算法的多用户检测器  41-43
  3.4 仿真及分析  43-46
  3.5 本章小结  46-47
第四章基于改进的量子克隆遗传算法的多用户检测器  47-64
  4.1 IQCGA 算法基础  47-51
    4.1.1 量子编码  47-48
    4.1.2 量子交叉  48-49
    4.1.3 量子旋转门  49-51
  4.2 IQCGA 算法操作策略  51-55
    4.2.1 小生境概率划分初始化策略  51
    4.2.2 量子全干扰交叉策略  51-52
    4.2.3 量子旋转门自适应更新策略  52
    4.2.4 优体全干扰交叉量子灾变策略  52-53
    4.2.5 免疫克隆策略  53-55
  4.3 IQCGA 算法描述  55-56
    4.3.1 初始化阶段  55
    4.3.2 迭代进化阶段  55-56
  4.4 IQCGA 的全局收敛性证明  56-58
  4.5 IQCGA 的性能测试  58-59
  4.6 基于IQCGA 的多用户检测器  59-62
  4.7 本章小结  62-64
第五章仿真与分析  64-72
  5.1 计算复杂度分析  64
  5.2 参数影响分析  64-65
  5.3 仿真结果与分析  65-71
    5.3.1 在同步DS-CDMA 系统中仿真  65-69
    5.3.2 在异步DS-CDMA 系统中仿真  69-71
  5.4 本章小结  71-72
第六章结论与展望  72-73
  1.本文内容总结  72
  2.下一步工作展望  72-73
参考文献  73-76
个人简历在读期间发表的学术论文  76-77
致谢  77

基于量子克隆遗传算法的多用户检测研究

内容摘要

全文目录

相似论文