摘 要
随着电子技术的发展，移动通信，特别是码分多址（CDMA）的应用越来越广泛。CDMA被确定为第三代移动通信系统的主要接入技术。多用户检测是CDMA通信系统中的一项关键技术，人们针对不同的通信信道和业务要求，提出了许多种多用户检测方法。
本文分析了几种典型的多用户检测算法，这些算法普遍存在抗干扰能力差、收敛速度慢、算法实现复杂等缺点，基于Hopfield神经网络的多用户检测器利用人工智能技术，有效地克服了这些缺点大学论文网www.wnwu.com。
论文对基于Hopfield神经网络的多用户检测器的性能进行了分析，证明了基于Hopfield神经网络的多用户检测技术的检测性能比传统的检测器的性能改善很多，而且基于Hopfield神经网络的多用户检测器充分利用了人工神经网络的并行计算的特点，其计算量不随维数的增加而发生指数性质的剧增，抗干扰能力强，收敛速度快，实时性好等优点，有着较好的应用前景。
关键词：码分多址，多用户检测，Hopfield神经网络
ABSTRACT
With the development of electronic technology,the application of mobile communication is becoming more and more wide, particularly the Code Division Multiple Access (CDMA). CDMA is an important technology of the third generation mobile communication systems.Multi-user detection is a key technology in CDMA communication system. People put forward many kinds of multi-user detection methods according to different communication channels and business requirements.
This paper studies a model of optimized multi-user detection based on Hopfield neural network in the application of CDMA system.
This paper analyses some typical multi-user detection algorithms. These algorithms have some disadvantages, such as poor anti-interference capability, slow convergence, and complex algorithms and so on. Multi-user detection based on Hopfield neural network makes full of artificial intelligent technology to overcome these shortcomings effectively.
This paper analyzes the performance of multi-user detection based on Hopfield neural network and then proves that multi-user detection technology based on Hopfield neural network which is better than traditional one. Moreover, it makes full use of artificial neural network with the feature of parallel computing. Its calculation workload won’t have a index surge as the number of peacekeepers increases. This technology owes better anti-interference capability, faster convergence and real-time advantages, thus has a good application prospect.
Keywords:CDMA, multi-user detection, Hopfield neural network
目 录
第1章大学论文网www.wnwu.com 绪论 1
1.1 课题概述 1
1.2 课题的研究价值 2
第2章 多用户检测技术 4
2.1 多用户检测技术的基本概念 4
2.1.1 多用户检测的基本原理 4
2.1.2 多用户检测技术的性能度量 6
2.2 典型的多用户检测技术 8
2.2.1 最优多用户检测器 8
2.2.2 线性多用户检测器 9
2.2.2.1 解相关多用户检测器 9
2.2.2.2 线性最小均方检测器 10
2.2.2.3 自适应多用户检测器 11
2.2.3 非线性多用户检测算法 12
2.2.3.1 串行干扰抵消检测器 12
2.2.3.2 并行干扰抵消检测器 13
2.2.3.3 判决反馈检测器 14
第3章 HOPFIELD神经网络 15
3.1 概述 15
3.2 人工神经网络的基础知识 15
3.2.1 人工神经网络的基本要素 16
3.2.2 神经元模型 17
3.3 Hopfield神经网络模型 18
第4章 基于HOPFIELD神经网络的多用户检测优化 26
4.1基于Hopfield神经网络的多用户检测器 26
4.2基于随机Hopfield网络检测器的统一框架 31
结 论大学论文网www.wnwu.com 34
参考文献 35
致 谢 36
附 录 37
