| 【中文题名】 | 基于Lagrange乘子法的神经网络盲多用户检测算法的研究 |
| 【英文题名】 | The Research of Blind Multiuser Detection Using Neural Network Based on Lagrange Penalty Function |
| 【学科专业】 | 信号与信息处理 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-10-23 |
| 【中关键词】 | 盲多用户检测,神经网络,罚函数,多址干扰,, |
| 【英关键词】 | blind multi-user detection,neural network,penalty function,multiple access interference, |
| 【分类导航】 | 工业技术>无线电电子学、电信技术>无线通信>移动通信>蜂窝式移动通信系统（大哥大、移动电话手机）>码分多址（CDMA）移动通信 |
| 【论文摘要】 | 码分多址系统中，不同用户的随机接入，使得用户之间扩频码不完全正交，进而产生了多址干扰(Multi-access interference，MAI)和远近效应(Near-far effect，NFE)等问题，常规的匹配滤波器无法克服这些问题。多用户检测技术充分考虑造成多址干扰的用户结构和干扰信息，成为消除多址干扰和远近效应的关键技术。目前，大多数多用户检测算法存在算法复杂、收敛速度慢等缺点，使得长期以来没有真正的实现应用。近年来，基于神经网络的盲多用户检测结合了盲多用户检测对已知信息量需求少和神经网络运算速度快、并行处理能力强的优点，而成为研究的热点课题。
本文的主要工作如下：
1．在介绍多用户检测原理的基础上，对现有一些算法的性能、特点和不足进行了分析，并对今后的发展方向进行了研究。
2．针对现有算法收敛时间长、误码率高等不足，提出了两种盲多用户检测算法。第一种为多约束LNN盲多用户检测算法，通过增加约束项来使目标函数较快地收敛到最小点；第二种为改进型LNN盲多用户检测算法，通过将罚函数与Lagrange函数结合，构造出更适合 |
| 【论文题纲】 |
|
第一章 绪论 |
11-22 |
|
1.1 第三代移动通信及关键技术 |
11-14 |
|
1.1.1 第三代移动通信系统概述 |
11 |
|
1.1.2 第三代移动通信关键技术 |
11-12 |
|
1.1.3 码分多址技术的基本原理 |
12-14 |
|
1.2 多用户检测技术的意义及现状 |
14-18 |
|
1.2.1 多用户检测技术的研究意义 |
14-15 |
|
1.2.2 多用户检测技术的研究现状 |
15-18 |
|
1.3 盲多用户检测技术的意义及现状 |
18-21 |
|
1.3.1 盲多用户检测技术的研究意义 |
18-19 |
|
1.3.2 盲多用户检测技术的研究现状 |
19-21 |
|
1.4 本论文的结构安排 |
21-22 |
|
第二章 神经网络盲多用户检测原理 |
22-43 |
|
2.1 多用户检测技术的系统模型 |
22-25 |
|
2.1.1 离散时间同步信道模型 |
22-23 |
|
2.1.2 离散时间异步信道模型 |
23-25 |
|
2.2 盲多用户检测原理与常用算法 |
25-32 |
|
2.2.1 盲多用户检测的基本原理 |
25-28 |
|
2.2.2 盲多用户检测的常用算法 |
28-32 |
|
2.3 人工神经网络 |
32-36 |
|
2.3.1 人工神经网络概述 |
32 |
|
2.3.2 人工神经网络结构及工作方式 |
32-34 |
|
2.3.3 人工神经网络在优化计算中的应用 |
34 |
|
2.3.4 基于神经网络的盲信号处理 |
34-36 |
|
2.4 基于神经网络的盲多用户检测技术 |
36-41 |
|
2.4.1 前馈神经网络盲多用户检测算法 |
36-38 |
|
2.4.2 反馈神经网络盲多用户检测算法 |
38-41 |
|
2.5 多用户检测技术的主要研究方向 |
41-42 |
|
2.6 本章小结 |
42-43 |
|
第三章 两种改进型Lagrange神经网络盲多用户检测算法 |
43-62 |
|
3.1 盲自适应多用户检测算法的实现 |
43-46 |
|
3.1.1 基于LMS盲多用户检测算法 |
43-44 |
|
3.1.2 基于RLS盲多用户检测算法 |
44-45 |
|
3.1.3 基于Kalman盲多用户检测算法 |
45-46 |
|
3.2 Lagrange神经网络 |
46-50 |
|
3.2.1 Lagrange神经网络模型及原理 |
46-48 |
|
3.2.2 Lagrange神经网络的电路实现 |
48-50 |
|
3.2.3 基于Lagrange神经网络的单约束盲多用户检测 |
50 |
|
3.3 基于Lagrange神经网络的多约束盲多用户检测算法 |
50-55 |
|
3.3.1 算法形式 |
50-52 |
|
3.3.2 算法仿真 |
52-55 |
|
3.4 基于改进型Lagrange神经网络盲多用户检测算法 |
55-61 |
|
3.4.1 改进型Lagrange神经网络模型及原理 |
55-56 |
|
3.4.2 基于改进型Lagrange神经网络的盲多用户检测算法 |
56-58 |
|
3.4.3 算法仿真 |
58-61 |
|
3.5 本章小结 |
61-62 |
|
第四章 基于Hopfield神经网络的盲多用户检测算法 |
62-73 |
|
4.1 Hopfield神经网络 |
62-66 |
|
4.1.1 Hopfield神经网络模型 |
62-63 |
|
4.1.2 Lyapunov函数 |
63-66 |
|
4.2 改进型Hopfield神经网络模型及原理 |
66-67 |
|
4.3基于改进型Hopfleld神经网络的盲多用户检测算法 |
67-69 |
|
4.4 算法仿真 |
69-72 |
|
4.5 本章小结 |
72-73 |
|
第五章 总结与展望 |
73-75 |
|
5.1 本文所做的工作 |
73 |
|
5.2 今后的研究方向 |
73-75 |
|
参考文献 |
75-80 |
|
致谢 |
80-81 |
|
在读期间发表论文 |
81 |
|
| 【DOI】 | LunWen.ID:2.2008.353089 |
