学位论文 > 优秀研究生学位论文题录展示

仿生智能计算在CDMA多用户检测中的应用研究

作　者: 高洪元
导　师: 庞伟正
学　校: 哈尔滨工程大学
专　业: 通信与信息系统
关键词: 多用户检测人工免疫系统进化算法人工神经网络粒子群优化算法
分类号: TN929.533
类　型: 硕士论文
年　份: 2005年
下　载: 211次
引　用: 9次
阅　读: 论文下载

内容摘要

CDMA移动通信系统是一种干扰限制的系统,多址干扰是这种通信系统的主要干扰。如何有效地抑制多址干扰,提高系统性能和容量具有很重要的现实意义。解决多址干扰问题的一种有效途径是多用户检测,它不是把多址干扰简单地看作干扰噪声来处理,而是把多址干扰作为一种有用的信息加以利用,充分地利用各用户间的关联进行综合检测,提高系统的检测性能。因此多用户检测成为CDMA移动通信系统的关键技术之一。本文主要致力于仿生智能计算方法在多用户检测中的应用研究。由于采用最大似然检测(MLD)的最优多用户检测方法具有指数的计算复杂度,因此,研究能够有效抑制多址干扰(MAI)、具有低误码率(BER)和合理的计算复杂度、对远近问题不敏感的次优检测方法是本文的主要内容。本文主要包括以下创新之处: (1)本文提出了一种基于克隆选择算法的多用户检测器。首先对克隆选择算法进行改进,引入遗传算子和高斯变异算子来完成成熟操作,然后在设计多用户检测器时在改进的克隆选择算法中使用MSD算子。这种方法具有多项式的计算复杂度,对远近问题不敏感,并且能够得到良好的检测误码性能。 (2)利用克隆选择算法和离散Hopfield神经网络在解决组合优化问题的的优点,提出一种基于克隆选择算法和神经网络的多用户检测器。该检测器中,克隆选择算法首先给神经网络提供一个较好的初始解,神经网络在此基础上按梯度下降的机制进行局部寻优。 (3)基于进化算法和离散Hopfield神经网络,提出了三种混合进化算法和离散Hopfield神经网络的算法:遗传Hopfield神经网络,进化规划Hopfield神经网络,免疫Hopfield神经网络。然后使用所提出的算法设计了三种新的多用户检测器。并提出了一种有高斯扰动的Hopfield神经网络多用户检测器。 (4)提出了一种新的简单有效的的离散粒子群优化算法,设计了新的离散粒子群优化算法多用户检测器。

全文目录

第1章绪论  11-18
  1．1 引言  11
  1．2 多用户检测的研究意义  11-12
  1．3 多用户检测的研究概况  12-13
  1．4 仿生智能计算方法概述  13-16
    1．4．1 仿生过程算法  14-15
    1．4．2 仿生结构算法:神经网络  15-16
    1．4．3 仿生行为算法:群体智能  16
  1．5 本文的主要工作及内容安排  16-18
第2章 CDMA系统模型及多用户检测  18-32
  2．1 多用户检测模型  18-23
    2．1．1 离散时间同步模型  19-21
    2．1．2 离散时间非同步模型  21-23
  2．2 多用户检测性能测度  23-25
    2．2．1 误码率  23-24
    2．2．2 抗远近能力  24-25
  2．3 几种典型多用户检测技术  25-30
    2．3．1 传统检测方法  25
    2．3．2 最优检测方法  25-26
    2．3．3 去相关检测器  26-28
    2．3．4 多阶段检测器  28-30
  2．4 计算机仿真  30-31
  2．5 本章小结  31-32
第3章克隆选择算法在多用户检测中的应用  32-49
  3．1 克隆选择算法  32-38
    3．1．1 克隆选择原理简介  32-33
    3．1．2 克隆选择算法的模型描述  33-35
    3．1．3 克隆选择算法的改进  35-38
  3．2 基于克隆选择算法的多用户检测器  38-42
    3．2．1 用于多用户检测的克隆选择算法  38-39
    3．2．2 计算复杂度分析  39-40
    3．2．3 计算机仿真  40-42
  3．3 基于克隆选择算法和神经网络的多用户检测器  42-48
    3．3．1 离散Hopfield神经网络  42-44
    3．3．2 克隆选择算法和神经网络在多用户检测中的应用  44-46
    3．3．3 计算机仿真  46-48
  3．4 本章小结  48-49
第4章神经网络在多用户检测中的应用  49-62
  4．1 进化Hopfield神经网络设计  49-56
    4．1．1 进化算法简介  49-50
    4．1．2 遗传Hopfield神经网络  50-54
    4．1．3 进化规划Hopfield神经网络算法  54-55
    4．1．4 免疫Hopfield神经网络算法  55-56
  4．2 基于进化Hopfield神经网络的多用户检测器  56-57
  4．3 基于高斯扰动的Hopfield神经网络多用户检测器  57-58
  4．4 计算机仿真  58-61
  4．5 本章小结  61-62
第5章粒子群算法在多用户检测中的应用研究  62-80
  5．1 粒子群优化算法  62-64
  5．2 基于离散PSO算法的多用户检测器  64-73
    5．2．1 离散粒子群优化算法  64-65
    5．2．2 新的离散粒子群算法的提出  65-67
    5．2．3 基于离散PSO算法的多用户检测器  67-68
    5．2．4 离散Hopfield网络级联NDPSO的检测器  68-69
    5．2．5 级连式NDPSO/MSD检测器  69
    5．2．6 嵌入式NDPSO/MSD检测器  69
    5．2．7 计算机仿真  69-73
  5．3 PSO-RBF神经网络多用户检测方法的设计  73-79
    5．3．1 径向基函数神经网络  73-74
    5．3．2 基于粒子群优化算法的两级RBF网络学习机制  74-76
    5．3．3 基于变异PSO算法的RBF神经网络  76-77
    5．3．4 基于PSO-RBF神经网络的多用户检测器  77-78
    5．3．5 计算机仿真  78-79
  5．4 本章小结  79-80
结论  80-82
参考文献  82-89
攻读硕士学位期间发表的论文和取得的科研成果  89-90
致谢  90

仿生智能计算在CDMA多用户检测中的应用研究

内容摘要

全文目录

相似论文