魏建荣[1]2007年在《基于智能优化算法多用户检测技术的研究》文中认为码分多址是第叁代移动通信系统所采用的主流标准，但该技术中各用户使用的扩频码集一般并非严格正交，产生了多址干扰及远近效应等问题，严重影响了通信系统性能，限制了系统容量的增加。多用户检测是为了解决这类问题而提出的一项关键技术。早期的最佳多用户检测算法由于具有指数级的计算复杂度而在实际中难以实现，研究和应用较多的是次优多用户检测算法。智能优化算法通过模仿自然与生物机理处理模式，把自然界中生物优化处理过程提炼为信息优化处理方法，具有全局优化性能、通用性强、且适合于并行处理的优点。将智能优化算法与多用户检测相结合，探索工程上更易实现的次优多用户检测器的设计方法，是近年来通信领域的热点研究课题。本文所作的主要工作：(1)综述了多用户检测的发展历程和研究现状，阐述了智能优化算法及其在多用户检测中的应用可行性。在分析多用户检测原理的基础上，讨论了几种常用算法的性能、特点和不足，并进行了计算机仿真。(2)分析了遗传多用户检测算法的性能和参数选取的影响。针对算法存在的不足，提出了基于Sigmoid函数改进交叉概率和变异概率的自适应遗传多用户检测算法，并将这种自适应变化的交叉概率和变异概率引入并行遗传算法，构造出自适应并行遗传多用户检测算法。计算机仿真表明了两种算法抗多址干扰和抗远近效应能力均有较大的提高。(3)在自适应遗传算法的基础上，分别引入模拟退火和变禁忌长度禁忌搜索算法，构造出两种混合智能优化算法，并将其与多用户检测算法相结合，得到两种新的基于混合智能优化技术的多用户检测算法。计算机仿真表明两种新算法具有较高的收敛速度，且在计算复杂度较低时性能接近最佳多用户检测。
邹丽[2]2013年在《基于智能算法多用户检测技术的研究》文中进行了进一步梳理码分多址技术是一种在蜂窝和个人通信中扮演重要角色的复用技术，由于该技术中各用户使用的扩频码并非严格正交，从而产生了多址干扰等问题。当用户数较少时，产生的多址干扰很小，但是当系统中用户数增多或者信号功率增大时，多址干扰就成了系统的主要干扰，从而成为制约CDMA通信系统发展的一大难题。因此，要想提升系统性能和容量，首先要考虑如何才能有效地抑制多址干扰。而解决多址干扰问题的一种有效方法是多用户检测技术，它把多址干扰当作一种具有一定结构的有效信息，而不是简单地看作干扰噪声，这样就能充分地利用各用户间的相互关联进行联合检测，大幅度地提升了系统的性能。本文主要研究的是智能算法在多用户检测中的应用。最优多用户检测在降低多址干扰和“远近”效应方面有很好的效果，但是它具有与用户数成指数增长的计算复杂度，这在当前的硬件水平下是不可能实现的。最优多用户检测可以看成一个组合优化问题，可以将智能算法应用到寻优过程中。因此，深入研究智能优化算法，将其与多用户检测技术有机结合，探索具有较低计算复杂度的能够抑制多址干扰和远近效应的检测方法具有重要的意义。本文从CDMA系统出发，首先研究了几种典型的多用户检测技术，并分析了其优缺点。介绍了遗传算法和离散Hopfield神经网络，利用两者在解决组合优化问题上的优点，将两种算法有机结合起来，提出了一种基于遗传算法和离散Hopfield神经网络的多用户检测器，利用遗传算法为神经网络提供一个较好的初始解，在此基础上，神经网络按梯度下降的机制进行局部寻优。介绍了模拟退火算法，考虑到遗传算法容易陷入局部最优，将模拟退火思想融入遗传算法中，并设计了自适应交叉概率和变异概率，提出了自适应模拟退火遗传算法，该算法能够使遗传算法避免早熟收敛，由于模拟退火算法具有良好的爬山性能，使遗传算法的性能得到了提升，最终搜索到最优解。提出了基于禁忌搜索的多用户检测算法，采用传统检测器的输出作为搜索的初始解，邻域选择与当前解汉明距为1的解，搜索过的解构成禁忌表。这种算法可以得到良好的检测性能。考虑到初始解的选择对禁忌搜索的性能的影响很大，故选择模拟退火遗传算法的输出作为搜索的初始解。计算机仿真表明，这种混合算法的误码率曲线与最优多用户检测的很接近，且具有较高的收敛速度。
许良凤[3]2003年在《基于遗传退火算法的解相关多用户检测的研究》文中研究指明码分多址(CDMA)通信系统以频谱利用率高、系统容量大、频率管理容易，软切换、移动台发射功率低、信道的传输速率高等优点代表了新一代移动通信，在未来的无线通信系统中必将扮演极为重要的角色。但是在实际的通信系统中地址码很难做到完全正交，以致于在用户数比较大时，存在不可避免的严重的多址干扰，极大地降低了通信服务地质量。要想真正消除干扰，大幅度提高系统的容量，就必需采用多用户检测技术。 本论文主要介绍扩频技术在通信中的运用，针对CDMA通信系统的特点，研究了现有的一些多用户检测技术，希望通过研究找到一种有效的CDMA通信的多用户检测的方法。同时还要考虑尽可能小的比特误码率(BER)。考虑到模拟退火算法和遗传算法各自的优缺点，将两者有效的结合起来，通过模拟退火算法来减轻遗传算法的选择压力，利用模拟退火算法的Boltzmann机制来接收交叉和变异后的个体，并且结合CDMA通信系统多用户检测的特点，采用了遗传退火算法对CDMA通信系统的多用户进行检测的研究。为了验证这一思想，我们进行了计算机仿真实验，并对仿真结果进行了分析，结果表明这种算法的应用使系统性能得到提高，优于传统的检测方法。实验结果表明了这一检测方法的有效性。 本文进行的主要工作如下： 1．对CDMA扩展频谱通信进行了系统的介绍，并详细介绍了CDMA的多用户检测方法，分析一些多用户检测算法的优缺点。 2．介绍了模拟退火算法和遗传算法，在分析两种算法的优缺点的基础上将两者有效的结合起来得到一种算法即遗传退火算法，并将遗传退火算法应用到频率分配中与遗传算法进行比较。 3．结合CDMA通信系统多用户检测的特点，采用遗传退火算法来进行CDMA的多用户检测。
李红[4]2003年在《DS-CDMA系统中的多用户检测技术的研究》文中提出码分多址系统中的多用户信号检测，能有效地减少多址干扰、增加系统的容量、改善远近效应。 本文首先对现阶段的多用户检测算法进行了分类。主要分为最优检测和次优检测两个发展方向，并按照这两个方向进行了分析。 次优检测现分为线性检测、非线性检测两大类。线性检测包括最小均方误差检测和解相关检测，非线性检测包括多级检测、判决反馈检测、干扰抵消检测。文中总述了上述的多用户检测算法。在此基础上，对这类接收机进行了进一步的比较和研究，并着重讨论了采用解相关做为初级的应用比特流处理方式的叁级并行干扰抵消检测器。 其次，在同步和异步传输中最佳多用户检测都是一个具有NP复杂度的组合优化问题。启发式算法以其计算的并行性优势应用于码分多址系统的多用户检测中。本文在此基础上，提出了一种新的码分多址多用户检测算法——基于遗传退火进化算法的多用户检测。通过利用退火算法准则改造了的遗传算法，降低了运算复杂度、提高了收敛性能、并取得了较好的抗干扰能力。 最后，通过在软件平台上建立第叁代移动通信系统仿真库，对算法软件编程和模块构建，用实验曲线和数据对上述理论进行了分析和验证。其中标准取自对第叁代移动通信系统中码分多址系统的关键特性。
许良凤, 胡敏[5]2004年在《基于遗传退火算法的解相关多用户检测器》文中研究说明多用户检测技术是第叁代移动通信系统码分多址(CDMA)中的一项关键技术。在多用户检测中求解最佳矢量问题可以转化为在遗传算法中求解具有最高适应度函数的问题。文章提出了一种基于遗传退火算法的解相关多用户检测,该算法将模拟退火(SA)引进到遗传算法(GA)中,通过退火来减轻遗传算法的选择压力,利用退火法的爬山性能,改善了遗传算法的性能。仿真表明,该多用户检测器在抗多址干扰以及抗远近效应的能力方面均优于解相关检测器。
常禹[6]2009年在《基于混合遗传算法的多用户检测技术研究》文中认为码分多址(CDMA)技术是3G的主流技术,它用不同的地址码区分不同的用户,但实际的地址码间不能达到完全正交,这就给系统带来了多址干扰,多址干扰的存在严重影响了CDMA的系统性能,多用户检测技术即是消除多址干扰的一种关键技术。最优多用户检测器性能最优但复杂度随用户数呈指数增长,不适用于实际通信系统,同时理论证明最优多用户检测是一种典型的NP完备问题,而优化算法是解决此类问题的有效方法。本文主要进行了以下几个方面的工作:1)在研究扩频通信原理以及CDMA同步系统模型的基础上,研究了多用户检测的基本原理、系统模型以及几种典型的多用户检测方法,并对这几种多用户检测方法的性能进行了分析比较。2)将基本遗传算法应用于多用户检测中,利用遗传算法较好的全局搜索能力搜索最优解,并与几种典型的多用户检测方法进行比较。3)重点研究了两种混合遗传算法多用户检测,即基于模拟退火遗传算法的多用户检测和基于串行、并行两种工作方式的Hopfield神经网络遗传算法多用户检测,混合遗传算法一方面使用全局搜索能力强的遗传算法来保证得到全局最优解,另一方面利用局部搜索能力较强的模拟退火算法和Hopfield神经网络算法来进行局部寻优,提高搜索速度。实验结果表明,使用混合遗传算法的检测器不仅在消除多址干扰和抗远近效应能力上有了改善,而且在计算量上也要小于基本遗传算法检测器所需计算量,因此这两种混合遗传算法检测方法都是可靠高效的现代多用户检测方法。
韦强[7]2001年在《基于模拟退火遗传算法的CDMA多用户检测的研究》文中提出本论文围绕课题组所承担的省自然基金项目——《CDMA多用户多信道新型软件处理方法的研究与实现》进行研究。论文介绍了扩频技术在通信中的运用。在对CDMA通信系统及多用户检测方法分析研究的基础上，对CDMA多用户通信的处理模型和多用户检测算法进行了讨论。针对CDMA通信中多用户检测问题，结合模拟退火算法、遗传算法的特点，提出了一种基于模拟退火遗传算法的CDMA多用户检测方法。 论文首先从CDMA通信系统出发，研究了CDMA通信中的传统检测方法和多用户检测技术，并对现有的多用户检测方法进行了分析、归纳。 在分析传统遗传算法、模拟退火算法的基础上，将模拟退火算法引入遗传算法的选择策略和生存策略，通过模拟退火算法来减轻遗传算法的选择压力，利用模拟退火算法的Boltzman机制来控制接收交叉和变异后的个体，针对多用户检测问题的特点，提出了一种“基于模拟退火遗传算法的CDMA多用户检测方法”。该算法利用遗传方法适于多变量数值求解、有较好的兼容性及模拟退火算法有很好的加速性，结合通信系统的实际特点进行改进，不但避免了遗传算法的早熟收敛问题，同时使群体中的最优解得到了保留，并利用模拟退火算法的爬山性能改善了遗传算法的性能。 对提出的方法进行了计算机仿真试验，并对仿真结果作了分析，获得了较满意的试验结果。通过仿真试验证明：这种算法的应用使系统性能得到提高，优于传统的检测方法。且理论上可以证明其相对于标准模拟退火算法、遗传算法有更快的收敛速度及很强的脱离局部极值点和避免过早收敛的全局优化能力。
杨光达[8]2011年在《基于混合遗传算法的MIMO-OFDM系统多用户检测技术研究》文中指出随着移动通信技术的飞速发展,正交频分复用(OFDM)技术和多输入多输出(MIMO)技术已经成为通信领域内的研究热点。OFDM技术与MIMO技术优势互补,二者结合形成的MIMO-OFDM技术是下一代移动通信系统的首选方案,可有效对抗多径衰落和频率选择性衰落,提高数据传输速率和频谱利用率,增大系统容量。在移动通信系统中,随着用户数的增多,MIMO-OFDM系统多用户检测(MUD)技术逐渐成为通信领域内的研究热点。本文结合MIMO-OFDM技术原理及多用户检测技术原理,对最小均方误差(MMSE)算法和最大似然(ML)算法两种传统多用户检测算法进行了性能分析。由仿真可知,MMSE算法的多用户检测性能低于ML算法;并且,这两种传统多用户检测算法都有一定的局限性,其中,MMSE算法的性能较低,ML算法的复杂度在实际工程中难以实现。针对传统多用户检测算法无法兼顾检测性能和算法复杂度的难题,本文在MMSE算法和ML算法的基础上提出了基于遗传算法的MIMO-OFDM系统多用户检测算法。遗传算法以MMSE算法的结果作为初始种群,以ML算法的判定准则作为适应度函数,通过赌盘选择算子、两点交叉算子、相邻位倒序变异算子进行遗传操作产生新的种群。由仿真可知,基于遗传算法的MIMO-OFDM系统多用户检测在MMSE算法的基础上,以一定的算法复杂度为代价获得了比MMSE算法更高的检测性能,并且其复杂度和检测性能依然低于ML算法。在遗传算法基础上,结合模拟退火算法和粒子群优化算法的思想提出了基于混合遗传算法的MIMO-OFDM系统多用户检测算法。本文主要对局部搜索能力强的遗传模拟退火算法和群体搜索能力强的遗传粒子群算法两种混合遗传算法进行性能分析。由仿真可知,基于混合遗传算法的MIMO-OFDM系统多用户检测在遗传算法的基础上可进一步提高系统性能,同时降低算法复杂度。结合上述基于混合遗传算法的MIMO-OFDM系统多用户检测技术研究,本文从数学角度对混合遗传算法的复杂度及算法性能进行了扩展研究。以遗传模拟退火算法为例证明了混合遗传算法遵循类似于遗传算法的模式定理,定量分析了混合遗传算法的复杂度和收敛性,以及适应度函数的相关性,并通过MIMO-OFDM系统多用户检测中的相关仿真证明了上述理论分析的正确性。综上,本文提出的基于混合遗传算法的MIMO-OFDM系统多用户检测以可接受的算法复杂度为代价,获得了高于MMSE算法并趋近于ML算法的多用户检测性能,较好地平衡了算法复杂度和系统检测性能。
韩静[9]2007年在《基于随机神经网络的多用户检测技术》文中研究说明码分多址通信系统中，所有用户同时共享一个物理信道。由于多径时延的存在，各用户的信号不能同时到达接收机，使得到达接收机的各用户信息存在相对时延，这样，各用户之间的扩频码不再是完全正交的，从而产生了多址干扰(Multi-Access Interference，MAI)。只有当码的互相关特性对各种时延都为零时，才不存在多址干扰。事实上，完全正交的码在同步码分多址系统中很难找到，在非同步系统中几乎不可能找到。另一方面，在移动环境中还存在“远近效应”。上述两个问题的存在，使得常规的匹配滤波器接收机受到很大限制，实际的码分多址通信系统的性能也因此受到严重制约。为解决多址干扰问题，人们提出了多用户检测技术。经过几十年的发展，该技术已经日渐成熟，但是现有的多用户检测算法普遍存在计算复杂、收敛速度慢等缺陷，不能满足实时检测的要求，导致这项技术迟迟不能投入实际应用。近年来，与其他领域的科学相结合而提出的多用户检测算法逐渐显现出独有的优势，成为了研究的热点。神经网络作为一种有效的非线性优化工具，为多用户检测的研究提供了新的思路和方法。一方面，神经网络高度的非线性全局作用使得它能够实现从输入状态空间到输出状态空间的非线性映射。另一方面，神经网络可以通过训练和学习来获得网络的权值，有很强的自学习能力和对环境的适应能力。因此，结合神经网络的多用户检测技术就成为了一种重要的检测技术。本论文在深入研究了基于神经网络的多用户检测算法的基础上，提出了一种新的基于随机神经网络的多用户检测器，并通过仿真实验得到了一些有意义的结果。现将主要工作总结如下：1．建立了码分多址通信系统的发射和接收模型，通过数学推导分析了多址干扰的成因，并给出其数学公式。这有助于从整体上明确多用户检测的必要性和本论文的研究环境。2．介绍了多用户检测的原理和分类，对现有的几种典型算法进行了分析比较，得出了它们的优势和缺陷。3．重点对基于神经网络的多用户检测方法做了详细分析和数学推导，对BP算法、RBF网络和Hopfield模型的优缺点进行了分析比较。4．针对BP算法和Hopfield算法容易陷入局部极小点这一缺陷，本文提出了一种新的基于随机神经网络的多用户检测方法。该方法将遵循Boltzmann分布的随机神经网络应用到多用户检测中来，在该网络的收敛过程中又引入了平均场退火的概念，使得该算法同时具备了随机神经网络和平均场退火算法的优点。最后，从收敛速度、误码率、抗远近效应和抗信道突变多个方面对新算法的性能进行了仿真。仿真结果表明新算法吸取了随机神经网络和平均场退火算法的优点，克服了原有算法的缺陷，有效地降低了检测过程的收敛速度和误码率，达到了较好的检测效果。
方琼[10]2014年在《汽车灯具试验项目管理研究》文中研究表明调度算法和模型通常被用于生产现场,其主要的研究目的是为了调度任务形成详细的调度方案,对生产过程进行规划和控制。在满足生产设备和工件加工流程的前提下,根据市场的需求合理地分配和利用各种现有资源,完成各项生产指标并且尽可能优化系统的各种性能,为企业带来显着的经济效益。S公司是一家中外合资的汽车配件企业,专业生产销售各种汽车电子照明灯具。随着公司销售市场的不断扩大,产品的实验标准也日益繁多,作为产品质量核心部门的灯具实验室承担着庞大而艰巨的工作任务。为了降低实验室检测项目的延误率,提高实验室的工作效率,在不增加成本的前提下,采用调度模型的方法对检测项目进行优化,这无疑是可行的策略。主要研究内容为：1.以灯具实验中最基础的平行机实验项目的调度为研究契机,对常见项目组的调度过程进行分析和假设,并对遗传算法和模拟退火算法的优缺点进行对比研究,最终确定以最小化完成时间为目标,用遗传模拟退火算法为方法,建立了平行机实验项目的优化模型。2.在平行机任务的调度研究基础上,将研究的范围扩展到完整的成套实验项目中,提出了一个基于实验流程的叁阶段混合调度模型。该模型采用平行机调度和单机调度的混合调度策略,将复杂的成套实验项目过程拆分开,分别用遗传算法和单机顺序调度方法对检测的灯具序列进行项目调度,以便得到最优化的调度结果。3.通过实际的算例,分别对平行机项目优化模型、叁阶段混合调度模型及其相应的算法进行验证。分析计算结果表明,本文所使用的调度优化算法和建立的调度模型能够有效地提高实验室任务的完成效率,具有一定的实用性和可行性。
参考文献：
[1]. 基于智能优化算法多用户检测技术的研究[D]. 魏建荣. 太原理工大学. 2007
[2]. 基于智能算法多用户检测技术的研究[D]. 邹丽. 哈尔滨工程大学. 2013
[3]. 基于遗传退火算法的解相关多用户检测的研究[D]. 许良凤. 合肥工业大学. 2003
[4]. DS-CDMA系统中的多用户检测技术的研究[D]. 李红. 太原理工大学. 2003
[5]. 基于遗传退火算法的解相关多用户检测器[J]. 许良凤, 胡敏. 合肥工业大学学报(自然科学版). 2004
[6]. 基于混合遗传算法的多用户检测技术研究[D]. 常禹. 南京理工大学. 2009
[7]. 基于模拟退火遗传算法的CDMA多用户检测的研究[D]. 韦强. 安徽大学. 2001
[8]. 基于混合遗传算法的MIMO-OFDM系统多用户检测技术研究[D]. 杨光达. 吉林大学. 2011
[9]. 基于随机神经网络的多用户检测技术[D]. 韩静. 太原理工大学. 2007
[10]. 汽车灯具试验项目管理研究[D]. 方琼. 东华大学. 2014
标签：电信技术论文; 退火算法论文; 遗传算法论文; 神经网络算法论文; 相关性分析论文; 系统仿真论文; 通信系统论文; 复杂度论文; 算法论文; mimo技术论文; ofdm论文;