学位论文 > 优秀研究生学位论文题录展示

基于EM改进算法的多用户检测技术研究

作　者: 刘智
导　师: 咸金龙
学　校: 河南工业大学
专　业: 信号与信息处理
关键词: 多用户检测多址干扰 EM算法 EM改进算法
分类号: TN929.5
类　型: 硕士论文
年　份: 2013年
下　载: 15次
引　用: 0次
阅　读: 论文下载

内容摘要

移动通信技术的发展一日千里,3G及4G技术势必在人民的工作和生活中凸显新的作用,鼎故革新,呈现新局面。同时,由于移动用户数量的快速增长也增加了多址干扰(MAI)的功率,从而牺牲了误比特率(BER)性能。而信道的多径效应引起的码间干扰(ISI)和多址干扰是制约用户的接入和提高性能的重要因素。因此,怎样去除多址干扰,扩充系统容量,改善系统性能成为移动通信技术研究的热点之一。多用户检测技术是CDMA(Code Division Multiple Access)系统中可以有效解决上述问题的一个关键核心技术。它利用所有用户的扩频序列、时延、幅度和相位等信息对各个用户协同检测,可以明显克服多址干扰和码间串扰,很好的解决了系统抗“远一近”效应的难题,显著改善了系统性能,增加了系统的接入用户的数量。本文首先对最佳检测和次优检测中经典的多用户检测算法进行了讨论,并进行了实验测试,对误码率性能进行了分析比较。由于最优多用户检测计算时间开销太大而无法应用于工程中,进而将求解最大似然估计的期望最大化算法引入到多用户检测中。本文建立了DS-CDMA通信系统模型,阐述了期望最大化算法的原理,分析了基于EM算法的多用户检测器。基于MTLAB平台进行的实验仿真结果表明：它比最优多用户检测算法节约了大量的计算开销时间,同时获得了媲美于最优检测的性能。但是收敛速度是制约EM算法实际应用的关键因素,为了彻底根除EM算法的这个顽疾,本文选取了几种EM的改进算法：ECM算法、Aitken ECM算法、Aitken-delta ECM算法、ECME算法、Cascade EM算法、Monte Carlo EM算法、EM Gradient算法,进行研究,并将其应用于多用户检测中。实验仿真结果得知：EM的改进算法不仅加快了算法的收敛速度,也减少了信号检测时误码的发生,取得了良好的效果。

全文目录

摘要  4-5
Abstract  5-7
目录  7-9
第一章绪论  9-13
  1.1 研究背景及意义  9-10
  1.2 国内外研究现状  10-12
  1.3 本文主要工作及内容安排  12-13
第二章多用户检测技术  13-30
  2.1 传统检测器  13-15
  2.2 多用户检测  15-19
    2.2.1 多用户检测的基本原理  15-16
    2.2.2 多用户检测的性能  16-17
    2.2.3 多用户检测算法  17-19
  2.3 经典多用户检测器  19-28
    2.3.1 最优多用户检测(OMUD)  19-20
    2.3.2 线性多用户检测  20-25
    2.3.3 非线性多用户检测  25-28
  2.4 本章小结  28-30
第三章 EM算法及其改进算法  30-46
  3.1 极大似然法估计(MLE)  30-32
    3.1.1 似然函数  30-31
    3.1.2 极大似然估计(MLE)  31-32
  3.2 期望最大化(EM)算法  32-35
    3.2.1 EM算法简介  32-33
    3.2.2 EM算法基本性质  33-35
  3.3 EM的改进算法  35-44
    3.3.1 ECM算法  35-37
    3.3.2 Aitken加速算法  37
    3.3.3 Aitken-delta加速算法  37-38
    3.3.4 ECME算法  38-40
    3.3.5 Cascade EM算法  40-42
    3.3.6 Monte Carlo EM算法  42-43
    3.3.7 EM Gradient算法  43-44
  3.4 本章小结  44-46
第四章基于EM改进算法的多用户检测性能分析  46-65
  4.1 EM算法在多用户检测中的应用  46-49
  4.2 ECM算法在多用户检测中的应用  49-51
  4.3 Aitken-ECM算法在多用户检测中的应用  51-53
  4.4 Aitken-delta ECM算法在多用户检测中的应用  53-55
  4.5 ECME算法在多用户检测中的应用  55-57
  4.6 Cascade EM算法在多用户检测中应用  57-60
  4.7 Monte Carlo EM算法在多用户检测中的应用  60-62
  4.8 EM梯度算法在多用户检测中的应用  62-64
  4.9 本章小结  64-65
第五章结论与展望  65-67
  5.1 结论  65-66
  5.2 论文展望  66-67
参考文献  67-71
致谢  71-72
个人简历及在学习期间的论文发表与获奖情况  72

相似论文

采用Gold码的异步直扩系统多址干扰的分析,TN914.53
运用GPCM模型对我校研究生心理测量数据进行分析,G444
使用带有基因型误差数据的多基因定位,Q78
3G系统盲多用户检测算法的研究,TN929.5
一类计数型数量性状的区间定位,O212.7
基于时空融合的运动对象视频分割,TP391.41
联合聚类算法研究及应用,TP311.13
TD-SCDMA集群系统多用户检测技术的研究,TN929.533
基于IEEE802.16e的WiMAX系统物理层同步算法研究,TN929.531
无线信道统计模型识别及其在MIMO系统下的应用,TN919.3
基于多天线的多用户检测研究,TN929.5
医学超声图像斑点噪声去除的研究,TP391.41
分布式声源定位与跟踪算法研究,TN912.3
多用户系统的数字波束形成技术,TN821.91
基于导频的MIMO-OFDM系统信道估计技术研究,TN919.3
两类重要多元统计模型的扩展及局部影响分析,O212.4
智能优化算法及在通信中的应用研究,TN92
传感器网络接口及多传感器融合技术研究,TP212.9
基于滑窗小波二叉树的网络异常检测与分析,TP393.08
基于改进粒子群的盲源分离算法及其应用研究,TN911.7
TH-UWB无线通信系统多用户检测技术的研究,TN925