多用户检测技术对CDMA系统的影响研究

定量分析了具有多用户检测功能的CDMA移动通信系统的容量和覆盖,讨论了采用遗传算法实现多用户检测的方法,仿真结果表明无论是抗多址干扰还是抑制远近效应,基于遗传算法的多用户检测技术都明显优于传统检测器。     

一种基于优化神经网络的最佳多用户检测器

基于优化理论和神经网络理论提出了一种优化神经网络最佳多用户检测器,将DS－CDMA通信中的多用户信号检测问题看作一种组合优化问题,利用神经网络能有效地求解优化问题的优势：推导了一种优化神经网络最佳多用户检测器,理论分析和计算结果表明：1）在误比特性能和抗多址干扰性能上这种检测器均优于传统检测器和解相关检测器;2）在抗"远近"干扰能力方面,这种检测器优于传统检测器而弱于解相关检测器;3）易于实时应用和VLSI实现。     

应用神经网络粒子群算法的多用户检测

为了减少最优多有户检测器的计算复杂度,提出了一种融合粒子群优化算法和神经网络的神经网络粒子群优化算法,并设计了一种解决CDMA通信系统的多用户检测问题的新方法。该方法是把神经网络嵌入到粒子群优化算法的每一代中以改进算法性能。通过混合神经网络到PSO中,还可以加快PSO的收敛速度,减少计算复杂度。仿真结果证明了所设计的检测器无论抗多址干扰能力和抗远近效应能力都优于应用Hopfield神经网络、遗传算法和粒子群算法的多用户检测器。     

一种基于Lagrange神经网络的多用户检测器

提出并讨论了一种基于Lagrange神经网络的多用户检测器,利用神经网络能有效地求解优化问题;推导了Lagrange神经网络多用户检测器(LNN-MUD)。理论分析和计算结果表明：在误比特性能和抗干扰性能上,该检测器均优于传统检测器和解相关检测器;在抗“远近”干扰能力方面,该检测器优于传统检测器而弱于解相关检测器,且易于实时应用和VLSI实现。     

拉伸技术粒子群优化算法的多用户检测器

粒子群优化算法是一类新型进化算法,为提高粒子群优化算法对复杂问题全局最优解的探测能力,该文引入一种基于拉伸技术的粒子群优化算法,把它应用到CDMA通信系统中抗干扰关键技术——多用户检测中,提出了基于拉伸粒子群算法的多用户检测器。仿真结果表明,该检测器在误码率性能、抗远近效应和增加系统容量方面的性能较之其他的检测器均有明显的提高。     

MC-CDMA系统中基于遗传算法的多用户检测

提出了在频率选择性信道下使用多天线分集接收的多载波码分多址(MC-CDMA)系统上行链路中基于遗传算法(GA)的多用户检测。针对三种不同的代价函数,研究了两种不同的个体选择机制对GA多用户检测的性能影响。代价函数分别为各个天线分支接收信号与估计信号的对数似然函数(LLF)、误差平方和相位误差平方。仿真分析表明:在相同代价函数下,基于Pareto优化准则的个体选择机制要优于按线性合并准则的个体选择机制;在相同个体选择机制下,基于相位误差平方的代价函数的误比特率性能和抗远近性能要优于基于LLF和误差平方的代价函数。     

基于遗传算法和禁忌搜索的多用户检测器

利用遗传算法和禁忌搜索的优势,介绍一种嵌入式混合优化算法,提出一种基于嵌入式混合优化算法的多用户检测器。数值结果表明:该方法具有较好的检测性能和合理的计算复杂度。     

多级免疫检测器集在分布式入侵检测中的应用

为了提高入侵检测系统的网络环境适应能力,提出了一种基于多级免疫检测器集的分布式入侵检测模型。该模型由检测主机、检测子网和中心服务器组成,将入侵检测系统部署在网络的各检测主机中,检测子网具有与上层入侵检测网络相同的特征,中心服务器负责为检测主机和子网提供支持。通过模拟生物免疫系统的免疫细胞,检测主机的免疫检测器进行了学习和进化,该模型利用二级免疫检测器集机制,协同中心服务器的疫苗接收和种痘操作,减少了检测器的数量和提高了检测器的检测能力。     

基于多传感器数据融合的入侵检测机制

针对特征复杂的入侵方式,设计了一种基于数据融合理论的新型入侵检测机制—DFIDS,结果提高了系统在检测复杂入侵行为时的确定性。DFIDS使用优化的并行分布式检测与决策融合系统模型,可以有效克服传统入侵检测系统因单检测器而在数据采集和分析方面的局限性,从而提高了检测的总体性能。文中建立了DFIDS的理论分析模型,并和传统入侵检测机制进行了对比,结果表明DFIDS在检测准确性方面具有更好的性能。     

应用Khatri-Rao积分解的DS-CDMA盲多用户检测

对多用户直接序列码分多址(DS-CDMA)系统的多用户检测进行了研究,提出了一种基于Khatri-Rao积分解和连续干扰抵消的KRPSIC盲多用户检测算法。该算法充分利用DS-CDMA系统接收信号所具有的Khatri-Rao积结构性质,在用户扩频码、信道衰落系数均未知的情况下实现多用户检测,证明了算法的可辨识性和单调收敛性。仿真结果表明KRPSIC算法的误码率性能接近非盲的迫零算法,其作为一种非浅性迭代算法,在多用户检测的过程中对迭代初值的选取不敏感,当使用随机值初始化时算法依然有效。     

HFC上行信道S-CDMA接入的多用户检测

分析了 ＨＦＣ上行信道的特点,提出使用Ｓ－ＣＤＭＡ技术可以在极低的信噪比下获得稳固的传输特性。讨论了多种检测接收方案,并将解相关判决反馈多用户检测算法应用于ＨＦＣ上行信道Ｓ－ＣＤＭＡ系统的接收,利用消除强功率信号的干扰达到弱功率信号的正确判决,达到有效地消除多址干扰和抗远近效应目的。其算法的复杂性与用户数成正比,每个用户只需作一次判决。系统不需要精确的同步和功率控制,从而简化了系统。     

引入模拟退火机制的新型遗传算法

提出了一种将遗传算法与模拟退火算法相结合的新搜索算法。该算法以遗传算法运算流程作为主体流程,并把模拟退火机制融入其中,用以调整优化群体。在进化过程中使用了保留策略,以保存适应度较好的个体。在模拟退火算法的跳变操作过程中使用类似遗传算法变异来实现,先作置反操作,再作前后等长交换操作,以防止陷入局部最优。实验表明,该算法与传统遗传算法相比,提高了进化速度和全局寻优能力。     

应用贪心算法的次最优MC-CDMA检测机(英文)

应用贪心算法提出了一种次最优ＭＣ－ＣＤＭＡ检测机。仿真结果表明，与传统检测机比较，它据有次最优的性能，但结构比最优检测机简单。     

改进的模糊C-均值聚类方法

该文针对模糊C-均值算法容易收敛于局部极小点的缺陷,将遗传算法应用于模糊C-均值算法(FCM)的优化计算中,其中对传统遗传算法的编码方案、遗传算子约束条件及适应值函数等方面进行改进,提出了一种基于改进遗传算法的模糊聚类方法。实验表明,将改进的遗传算法与FCM算法结合起来进行聚类分析,可以在一定程度上避免FCM算法对初始值敏感和容易陷入局部最优解的缺陷,使聚类更合理,比单一使用FCM算法进行聚类分析的效果要好。     

中等起伏目标最佳检测器的性能分析

推导出了中等起伏雷达目标最佳检测器主要性能参数的显式表达式。采用分析和模拟的方法将最佳检测器同广义特征滤波方法的性能进行了比较，结果说明这种针对部分相关目标的最佳检测方法具有更优良的检测性能。     

高速数字解调中的并行处理算法

在分析频域并行FIR滤波性能特点的基础上,提出了一种时域并行FIR滤波处理方案,该方案能以较低复杂度实现600 Mb/s以上数字调制信号的解调。还提出了一种基于多相滤波器组和并行处理的高精度符号同步方法,可以在不提高接收信号采样率和几乎不增加硬件复杂度的条件下,使符号同步精度提高一倍。最后给出了基于以上方法设计的原理样机的测试结果。