学位论文 > 优秀研究生学位论文题录展示

MC-CDMA系统干扰消除技术研究

作　者: 龙银芳
导　师: 赵知劲；杨海波
学　校: 杭州电子科技大学
专　业: 信号与信息处理
关键词: 多载波码分多址多址干扰子载波干扰多用户检测频偏估计粒子群
分类号: TN914.53
类　型: 硕士论文
年　份: 2009年
下　载: 70次
引　用: 0次
阅　读: 论文下载

内容摘要

MC-CDMA系统结合了CDMA技术和OFDM技术的优势,具有频谱效率高、数据传输率高、抗频率选择性衰落等特点,成为下一代移动通信的多载波传输方案之一。纵使MC-CDMA系统有很多优点,但它也继承了这两种技术的缺陷。多址干扰是影响CDMA系统容量的主要干扰,OFDM技术的主要缺陷之一是对用户载波频偏非常敏感,即使是很微小的频偏,都将引起子载波干扰,从而恶化系统的性能。因MC-CDMA系统采用了CDMA和OFDM技术,也存在着多址干扰和子载波干扰,所以MC-CDMA系统的干扰消除技术研究已成为学术界的一个研究热点。本文主要研究MC-CDMA系统中这两种主要干扰,即多址干扰和子载波干扰的消除。首先,在系统载波同步的情况下推导了MC-CDMA系统的信号模型,借鉴CDMA系统中多用户检测的思想,将MC-CDMA系统的多用户检测问题看成是一个组合优化的问题,并应用离散粒子群算法求其最优解。基本离散粒子群算法在解决该问题时参数设置简单、容易实现,但容易陷入局部收敛和收敛速度不够快,因此将神经网络算法融入到离散粒子群算法,增加粒子的多样性,改进了粒子群算法的寻优能力和收敛速度,提出了基于神经网络的粒子群算法的MC-CDMA系统的多用户检测。仿真结果表明,基于神经网络的粒子群算法的MC-CDMA系统多用户检测性能优于基于粒子群算法的多用户检测性能和基于神经网络的多用户检测性能。其次,分析了存在多用户载波频偏时MC-CDMA系统的信号接收模型,因多用户的存在,信号模型与OFDM系统中的信号模型不同,所以OFDM系统中的频偏估计算法对MC-CDMA系统并不能直接应用,需要作一定的改进。本文在最大似然准则下推导出频偏估计的最大似然估计表达式,并将它看成是一个连续的优化问题,利用连续粒子群算法的寻优求解频偏估计值。提出基于粒子群算法和导频符号的MC-CDMA系统频偏估计算法。仿真结果表明,对MC-CDMA系统的频偏估计,本文提出的基于粒子群算法和导频符号的频偏估计性能优于基于虚拟子载波的频偏估计。最后,由于MC-CDMA系统中的多址干扰和子载波干扰是相互联系相互影响的,提出了一种载波频偏和用户数据的联合估计方法。在最大似然准则下,推导出载波频偏和用户数据的估计表达式,然后利用带压缩因子的粒子群算法求解最优解。仿真结果表明,所提出的联合估计方法的多用户检测误码率远低于未考虑频偏补偿的多用户检测方法,频偏估计的均方误差逼近于利用粒子群算法和导频符号的频偏估计方法,但本方法不需要任何训练序列和导频符号,频谱效率高。

全文目录

摘要  5-6
ABSTRACT  6-10
第一章绪论  10-17
  1.1 研究背景和意义  10-11
  1.2 多用户检测技术的研究现状  11-13
    1.2.1 CDMA 系统多用户检测技术  11-12
    1.2.2 MC-CDMA 系统多用户检测技术  12-13
  1.3 频偏估计方法的研究现状  13-15
    1.3.1 OFDM 系统单用户频偏估计  13-14
    1.3.2 MC-CDMA 系统多用户频偏估计  14-15
  1.4 论文主要工作和章节安排  15-17
第二章 MC-CDMA 系统基本原理  17-27
  2.1 引言  17
  2.2 OFDM 系统  17-20
    2.2.1 OFDM 系统的基本原理  17-19
    2.2.2 OFDM 系统的关键技术  19-20
  2.3 MC－CDMA 系统  20-27
    2.3.1 OFDM 技术和CDMA 技术的结合－多载波码分多址  20
    2.3.2 MC-CDMA 系统基本原理  20-21
    2.3.3 载波同步 MC-CDMA 信号接收模型  21-23
    2.3.4 存在载波频偏时 MC-CDMA 信号接收模型  23-27
第三章粒子群优化算法  27-31
  3.1 引言  27
  3.2 基本粒子群算法  27-29
  3.3 改进的粒子群算法  29-31
第四章基于粒子群算法的MC-CDMA 多用户检测  31-44
  4.1 引言  31
  4.2 基于粒子群算法的MC-CDMA 多用户检测  31-37
    4.2.1 MC-CDMA 系统多用户检测  31-32
    4.2.2 基于离散粒子群算法的MC-CDMA 系统多用户检测算法  32-33
    4.2.3 算法仿真和性能分析  33-37
  4.3 基于神经网络和粒子群算法的MC-CDMA 系统多用户检测  37-42
    4.3.1 Hopfield 神经网络  37-38
    4.3.2 基于神经网络和粒子群算法的MC-CDMA 系统多用户检测算法  38-40
    4.3.3 算法仿真和性能分析  40-42
  4.4 本章小结  42-44
第五章基于粒子群算法的MC-CDMA 系统频偏估计  44-58
  5.1 引言  44
  5.2 基于虚拟子载波的频偏估计方法  44-46
  5.3 基于粒子群算法和导频符号的MC-CDMA 系统频偏估计  46-52
    5.3.1 MC-CDMA 系统频偏的最大似然估计  46-47
    5.3.2 基于粒子群算法和导频符号的MC-CDMA 系统频偏估计算法  47-48
    5.3.3 算法仿真和性能分析  48-52
  5.4 基于粒子群算法的MC-CDMA 系统载波频偏和用户数据联合估计  52-57
    5.4.1 载波频偏和用户数据的联合最大似然估计  52-53
    5.4.2 基于粒子群算法的联合估计算法  53-54
    5.4.3 算法仿真和性能分析  54-57
  5.5 本章小结  57-58
第六章总结与展望  58-60
致谢  60-61
参考文献  61-65
附录  65

MC-CDMA系统干扰消除技术研究

内容摘要

全文目录

相似论文