多用户检测中解相关检测和最小均方误差检测的研究

基于MMSE的多用户MIMO系统检测算法

基于MMSE的多用户MIMO系统检测算法解志斌;颜培玉;田雨波;王彪;仲伟波【摘要】空分复用多用户多输入多输出(MIMO)系统具有很高的频谱利用率,由于其系统结构和所处的信道环境的复杂性,使得用户间缺乏协作关系,当用户间干扰消除有残差或信道估计不准确时,传统线性接收机不能获得理想的检测效果.针对这一问题,利用每个用户的自身信道对多用户系统用户端信道进行扩展重构,给出一种高效的基于最小化均方误差(MMSE)准则的检测算法,此算法利用扩展后的信道对用户端接收机进行优化,不仅易于实现,还可以获得较好的误码率性能,有效的减少了多用户干扰消除后的残差和信道估计误差对检测算法的影响.仿真结果表明了所提算法的有效性.%The spatial division multiplexing multi-user multiple-input multiple-output ( MIMO) system has very high spectrum efficiency. However, its system structure and complexity of the channel environment make the lack of collaborative relationships between users. When the residual multi-user interference (MUI) and channel estimation error exist, the traditional linear receiver can not get the perfect detection effect. Aiming to solve the problems, this paper uses the channel of each user to extend and recombine the channel of the multi-user MIMO system receiver, and proposes an efficient detection algorithm based on minimizing the mean square error ( MMSE). The proposed algorithm utilizes the expanded channel to optimize the receiver. Therefore, it is easy to implement. Also, it can get good bit error rate ( BER) performance and reduce the effect of residual MUI and estimation error. The simulation results show the effectiveness of the proposed algorithm.【期刊名称】《江苏科技大学学报（自然科学版）》【年(卷),期】2011(025)005【总页数】5页(P457-460,465)【关键词】多用户MIMO系统;多用户干扰;最小化均方误差【作者】解志斌;颜培玉;田雨波;王彪;仲伟波【作者单位】江苏科技大学电子信息学院,江苏镇江212003;江苏科技大学电子信息学院,江苏镇江212003;江苏科技大学电子信息学院,江苏镇江212003;江苏科技大学电子信息学院,江苏镇江212003;江苏科技大学电子信息学院,江苏镇江212003【正文语种】中文【中图分类】TN911.7随着频谱资源的日益紧张，如何高效地利用有限的频谱资源成为通信技术研究的热点.多输入多输出(multiple-input multiple-output,MIMO)技术是解决这一问题的有效方法[1-2].目前对MIMO信号检测进行了广泛、深入的研究，并提出了很多信号检测算法.以空时处理为例，DPC(dirty paper coding)可以逼近多用户信道的总容量，不过其编码复杂度太高，不易于实现.如果将高斯信道扩展到更加符合实际的时间和频率选择性信道，其处理的复杂度会进一步增加.另外，目前空分复用多用户MIMO信道的大部分处理方法都是假设发送端和接收端完全已知信道状态信息，由于系统会有一定的处理时延，当信道变化剧烈的时候很难得到，因此还必须考虑得到的信道状态信息不够准确的情况.线性的空时处理方法复杂度比较低，但是由于多用户干扰残余误差的存在，并不能取得理想的检测效果.为了更好的消除多用户干扰，文献[3-4]通过利用相关优化准则(如最小均方误差等)，在发送端进行全局的预编码，达到较好的消除多用户干扰的目的，但其计算复杂度很高，不利于实际通信系统的应用.为此，文中通过对多用户MIMO系统用户端线性接收机进行优化，给出一种高效的检测算法，该算法具有很好的误码率性能，对于信道估计误差的影响有较好的鲁棒性，可以很好的满足实际通信系统对实时性和快速性的要求.1 单用户ZF-MMSE算法描述迫零(Zero Forcing, ZF)线性算法是基于Gauss-Markov定理的加权最小二乘估计算法，其均衡器为[5]GZF=H†=(HHH)-1HH(1)其中，(·)†表示矩阵的伪逆.则接收信号y通过迫零均衡器后变为x+(HHH)-1Hn(2)其估计误差的协方差矩阵为(3)式中，为噪声方差，E(·)为取统计平均.由上式可知，当矩阵HHH有较小的特征值时，由于噪声的放大影响会产生很大误差.当收发端天线数相等时，噪声放大尤为明显.为了改善检测器性能，采用最小化均方误差(Minimize Mean Square Error,MMSE)检测方案，将噪声项包括在滤波器矩阵设计中，得到噪声放大和干扰抑制间的一个折衷.MMSE检测器可以使实际发送信号和检测器输出信号间的均方误差最小化，其均衡器矩阵为(4)式中，Nt为发送端天线数，INt表示一行、列为Nt的单位矩阵.当采用MMSE准则时，检测器输出信号由下式给出(5)其估计误差协方差矩阵为(6)通过比较式(3,6)可以看出，MMSE均衡器考虑到噪声影响，性能优于ZF均衡器. 定义两个扩展矩阵：(Nt+Nr)×Nt维信道扩展矩阵(7)(Nt+Nr)×1维接收信号扩展矩阵(8)此时，MMSE检测器输出信号可以表示为(9)同时，协方差矩阵式(6)可以写为(10)比较式(9，10)与式(2，3)可知，通过简单的矩阵变换，MMSE线性均衡器转变成了ZF线性均衡器，算法性能与计算复杂度得到改善.上述基于MMSE准则的检测算法在单用户MIMO系统中可以取得很好地检测性能.在多用户MIMO系统中，由于用户接收端不能利用用户间彼此的信息，使得此方法不再适用.为了获得线性接收机的便利性，文中构造一个多用户系统用户端信道，通过简单的矩阵扩展可以使得多用户MIMO系统接收机进一步优化，使其性能得到很好的改善，同时，对于信道估计有误差时也具有较好的鲁棒性.2 基于MMSE的多用户MIMO系统检测算法在空分复用多用户MIMO系统中，由于用户间很难利用彼此间的信息，因此一般需要在基站发送端采用具有较低复杂度的线性预编码消除多用户干扰.然而，由于残存的多用户干扰或信道估计误差等的影响，使得单用户MIMO系统中的线性接收机在多用户系统用户接收端难以获得很好的信号检测效果.为了获得较好的性能，本节基于单用户接收机扩展算法对线性接收机进行优化设计，使其适用于空分复用多用户MIMO系统，并在复杂度和性能之间取得很好的折衷.多用户MIMO系统信道模型为(11)系统发送信号向量为(12)此时，系统接收信号可以表示为Y=HFX+N(13)其中，系统噪声向量为矩阵F为系统预编码矩阵F=[F1F2…FK](15)对系统进行线性均衡时，第k个用户接收到的估计信号为(16)多用户系统估计信号可以表示为(17)其中，系统均衡矩阵G为如下形式(18)对于不编码的多用户MIMO系统而言，系统基站发送端已知所有用户信道信息.对于每一个用户而言，其仅知道自己的当前信道状态信息.为此，对第k个用户的信道进行如下构造，定义第k个用户的信道为(19)其中扩展矩阵等于(20)接收到的估计信号扩展后的矩阵为于是接收机优化设计后的均衡矩阵为(22)式中，(·)†为求矩阵左伪逆.此时，第k个用户均衡器输出的估计信号为(23)通过上述多用户接收机的优化设计，使得多用户系统可以在系统误码率性能和计算复杂度间，取得较好的折衷.同时，上述接收机优化设计结构可以进一步扩展到多用户V-BLAST系统，对于每一个用户通过按序消除的检测算法可以使得系统解码复杂度进一步降低.3 信道估计误差影响分析在实际的无线通信系统中，并不是总可以获得所需的完全准确的信道估计信息.对于某些假定信道状态信息确切已知的算法，信道估计误差的存在会使其性能受到极大的影响.基于文献[6]，在系统信道估计存在不确定影响的情况下，对所提多用户系统接收机优化算法进行信道估计误差分析，信道估计误差模型可以写为如下形式(24)式中，Hk表示第k个用户的准确的信道估计，HE,k为用户k的信道估计误差.假定矩阵HE,k的元素为服从独立同分布(i.i.d.)的具有零均值，方差为的复高斯随机变量.此时，具有估计误差的信道扩展矩阵为(25)接收机均衡矩阵为4 仿真实验及结果分析仿真时采用瑞利衰落信道模型，假设接收端已知信道状态信息，接收端噪声为加性高斯白噪声[7]，同时激活的用户数为K，基站发送天线数为Nt，每个用户端接收天线数为Nr,k,k=1,2,…,K.实验1：发送端天线Nt=9,10,11，用户数K=3，接收端天线数Nr=3，对传统迫零接收机算法性能和所提算法进行仿真比较.本次实验中考察不同天线阵列情况下不同接收机算法的性能，实验中不采用预编码矩阵性能优化处理，以平均符号误码率性能为系统性能衡量指标，发送数据子流数lk=3.图1为所提接收机优化设计后的误码率性能与普通迫零接收机误码率性能比较，横坐标表示信噪比(S/N)，纵坐标为符号误码率(RSER).由图中可以看出，在发送端天线数较小时，迫零接收机误码率性能较差.随着发送端天线阵列的增大，迫零接收机性能逐渐提高.所提接收机误码率性能较好，不同发送天线数的情况下，系统误码率性能基本相同.与普通迫零接收机相比，所提算法在天线阵列较小时也具有较好的误码率性能.图1 所提算法用户平均误码率性能比较Fig.1 Average SER (several error rate)of the proposed algorithm实验2：发送端天线Nt=15，用户数K=3，接收端天线数Nr=5，本次实验考察大天线阵列、大发送数据子流情况下迫零接收机与本节所提优化后的接收机的性能，实验中不采用预编码矩阵性能优化处理，以平均符号误码率性能为系统性能衡量指标，发送数据子流数lk=5.图2给出发送端、接收端天线数较多的情况下，采用不同接收机的多用户MIMO系统的误码率性能.由图中可以看出，进行优化后的接收机性能明显改善，在信噪比较小时，取得相同误码率性能的情况下，所提算法性能提升约有8 dB左右的增益.随着信噪比的增大，所提算法可以获得很好的误码率性能，传统接收机算法性能则没有明显提高.图2 天线数较多时所提算法用户平均误码率性能比较Fig.2 Average SER of the proposed algorithm with more antennas实验3：本次仿真实验中给出有信道估计误差的情况，假定发送端天线Nt=9,10，用户数K=3，接收端天线数Nr=3，发送数据子流lk=3，系统未采用预处理进行性能优化算法.信道估计误差元素分布方差在σ2=0.001～0.1之间.图3～6分别给出采用不同接收机情况下多用户MIMO系统误码率性能，估计误差(estimation error，ESE)由于信道估计中存在不确定性影响所导致的.由图3和5可知，采用普通迫零接收机的多用户系统误码率性能受信道估计误差和天线阵列的变化影响很大.从图4，6可知，所提检测优化算法可获得较好的误码率性能.对于较小的信道误差方差，所提算法性能受影响较小，具有较好的抗干扰性能.图3 存在信道估计误差情况下传统算法用户平均误码率性能比较(Nt=9)Fig.3 Average SER of ZF with channel estimation error(Nt=9)图4 存在信道估计误差情况下所提算法用户平均误码率性能比较(Nt=9)Fig.4 Average SER of proposed algorithm with channel estimation error(Nt=9)图5 存在信道估计误差情况下传统算法用户平均误码率性能比较(Nt=10)Fig.5 Average SER of ZF with channel estimation error(Nt=10)图6 存在信道估计误差情况下所提算法用户平均误码率性能比较(Nt=10)Fig.6 Average SER of proposed algorithm with channel estimation error(Nt=10)5 结论为了获得以往线性接收机的便利性，提出一种基于MMSE准则的检测算法.该算法通过简单的矩阵扩展可以使得多用户系统用户端线性接收机得到优化，使其性能得到很好的改善，同时，对于信道估计的误差也有很好的鲁棒性.参考文献(References)[1] Viswanath P, Tse D. Sum capacity of the vector Gaussian broadcast channel and downlink-uplink duality [J]. IEEE Transactions on Information Theory, 2003, 49(8): 1912-1921.[2] Vishwanath S, Jindal N, Goldsmith A. Duality, achievable rates, and sum rate capacity of Gaussian MIMO broadcast channel [J]. IEEE Transactions on Information Theory, 2003, 49(10): 2658-2668.[3] Bourdoux A, Khaled N. Joint TX-RX Optimisation for MIMO-SDMA Based on a Null-space Constraint [C]∥ Vehicular Technology Conference. [S.l.]: IEE, 2002：171-174.[4] Sampath H， Paulraj A. Joint transmit and receive optimization for high data rate wireless communication using multiple antennas [C] ∥ Conference Record of the Thirty-Third Asilomar Conference on Signals, Systems, and Computers. 1999：215-219.[5] Wübben D, Böhnke R, Kuhn V，et al. MMSE extension of V-BLAST based on sorted QR decomposition [C]∥ Vehicular Technology Conference. 2003:508-512.[6] Hutter A A, de Carvalho E, and Cioffi J M. On the impact of channel estimation for multiple antenna diversity reception in mobile OFDM systems [C]∥ Conference Record of the Thirty-Fourth Asilomar Conference on Signals, Systems and Computers. Pacific Grove, CA, USA:[s.n.],2000:1820-1824.[7] Li M. Fractal time series-a tutorial review [J]. Mathematical Problems in Engineering, 2010.。

第三代移动通信中的多用户检测技术

为用户提供更多的服务。因此，多用户检测技术已受
主要是指那些包含判决反馈结构的接收机，如并行干扰对消接收机（ａａｌｌｎｅｆｒｎｅＣｎｅｌ）Ｐｒｌｔｒｅｅｃａｃｌｒ、串行ｅＩｅ干扰对消接收机（ｅｉｌｎｅｆｒｎｅＣｎｅｌ）判决Ｓｒｔｒｅｅｃａｃｌｒ、ａＩｅ反馈检测器（ｃｉｎＦｅｂｃｅｅｔｒＤｅｉｏｅｄａｋＤｔｃｏ）等。ｓ目前，多用户检测技术还处于研究阶段，但它能有效地扩大系统容量、提高频谱的利用率，从而能在
都要求寻求频谱利用率更高的技术。寻求通信容量更大的移动通信系统，这极大地推动了第三代移动通信
系统即３的研究和发展。目前，宽带ＣＧＤＭＡ技术已
成为３中的主要技术。Ｇ
在ＣＤＭＡ通信系统中，规接收机完全没有利用常其他用户的信息，而把其他用户的干扰当成了噪声，多数情况下按高斯白噪声处理。也就是说常规接收机完
到广泛的关注，成为通信领域中一个热门的话题。随
着移动通信的发展和移动用户数的增长，单靠现有的技术、现有的系统以及现有频段的第一代、第二代移动通信系统已不能适应移动通信的发展规模和移动电
系统是一个多用户同时接人的通信环境。多径干扰与

含参量线性多用户检测器

ＡｂｔａｔＡｌｅｈｉｓｒｄｔｃｏｔａａｔｒｒｓｎｅｗｉｈｄａｏａａｓｔｅｃｒｅａｉｎｍａｒｘｕｉｇｔｅｐｒｍｅｓｒｃ：ｉａｍｕｕｅｅｅｔｒｗｉｐｒｍｅｅｉｐｅｅｔｄ．ｈｃｉｇｎｌ１ｄｏｒｌｔｔｓｎａａ・ｎｒｈｓｓｏｈｏｉｈ
ｃｍｐｔｔｎｏｌｘｔｈｎｔｅＭＭＳｅｅｔｒｏｕａｉａｃｍｐｅｉｔａｏｌｙｈＥｄｔｃｏ．
Ｋｅｒｓ：ｌｅｒｍｕｉｓｒｄｔｃｉｎａａｔｒｉｇｎｏｄｎ；ｏｔｕｉａｎｅｆｒｎｅｒｔｙｗｏｄｉａｈｕｅｅｅｔ；ｐｍｅｅ；ｄａｏａｌａｉｇｕｐｔｓｇｌｉｔｒｅｃａｉｎｏｒｌｎｅｏ；ｃｍｐｔｔｎｏｌｘｔｏｕａｉａｃｍｐｅｉｏｌｙ
摘要：提出了含参量线性多用户检测器，该检测器利用参量对用户特征波形的相关矩阵进行对角加载，通过选择最
佳参量，使得检测器输出信干比最大，从而获得最优检测。给出了最佳参量的计算公式，研究了含参量检测器与匹配滤波
检测器（）ＭＦ，解相关检测器以及最小均方误差检测器（ＭＳ）的相互关系。Ｅ计是有效的，含参量检测器统一了ＭＦ，解相关和ＭＭＥ检测器，具有最佳参量检测器比ＭＭＳＳＥ检测器有更低的计算复
ｌｉｍｏｇｔｅｄｔｔｒｉａａｅｅ，ａｈｄｆｔ（）ｄｃｒｌｏ，ｎｉｉｍｍｅｎｓｕｅｌｒｅｅｔｒＭＭＥｓｔｄａｏａｎｅｅｏｔｐｍｔｓｍｔｅｌｒＭＦ，ｅｏｒａｒａｄｍｎｍｕａａＴｔｏ（Ｓ）ｉｓ — ｔｎｈｃｗｈｒｒｃｉｅｅｔｑｒｅｏｄｃｕ

多用户检测中解相关检测和最小均方误差检测的研究

中图分类号：Ｐ１Ｔ３文献标识码：Ａ
ＴｈｅＳｕｄｆＤｅｏｒｌｔｏｔｃｉｎａＭＳｔｙｏｃｒｅａｉｎＤｅｅｔｏｎｄＭＥ
ＤｅｅｔｏｎＭｕｔ－ｓｒＤｅｅｔｏｔｃｉｎｉｌｉｕｅｔｃｉｎ
ＪＡＮＧｎ — ｉ，ｅｇＩＮｉｇｘｎＬＩＦｎ
（ｐｒｍｅｔｏｏｕｅｎｍｍｕｉａｉｎＤｅａｔｎｆＣｍｐｔｒａｄＣｏｎｃｔ．ＣｈｎｓａＵｎｖｒｉｆｃｅｃｏａｇｈｉｅｓｙｏｉｅ＆Ｔｅｈｏｏｙ，Ｃａｇｈ４００ｔＳｎｃｎｌｇｈｎｓａ０４，Ｃｉａ１ｈｎ）
息对接收信号做联合检测，制多址干扰，解 “ 一 ” 应，而有效地提高系统容量。本文对多用户检抑缓远近效从测技术进行初步的研究，其是两种主要的线性多用户检测技术：相关检测和最小均方误差检测，仔细尤解做地研究和比较，用ＭＡＴＡＢ在ＡＧ信道下和Ｄ－Ｄ并ＬｗＮＳＣＭＡ系统中做仿真。关键词：用户检测技术；多多址干扰；相关检测；小均方误差检测；ＷＧＤＳＣＭＡ解最ＡＮ；－Ｄ
ＴｈｉｄａｉＯｍａｅｆｌｕｅｏｈｎｏｍａｉｎｆｒａｌｕｅｓｔｏｔｅｊｉｔｄｔｃｉｎｏｅｅｖｄｓｇａ，ｏｔｏｈｕｔｅｍａｎｉｅｓｔｋｕｌｓｆｔｅｉｆｒｔｏｌｓｒＯｄｈｏｎｅｅｔｆｒｃｉｅｉｎｌｃｎｒｌｅｍｌｉｏｏｔ —

第三代移动通信系统中多用户检测技术研究

检测器进行介绍。
则符号判为：
ｂ＝ｓｎＣ（Ｌ１ｇ（２）
３反馈自适应解相关检测器
前面的算法适应于用户发射功率相等的情况，在用户发射的功率不等的情况下，则弱信号的检测性能会很差，所以将串行干扰消除（Ｉ）ＳＣ和解相关检测器性检测器中可以提高强多址干扰中的弱信号的性能，ｈｎ与Ｒｙ提出了多级形式实Ｃｅｏ现判决反馈检测器的自适应算法，图２为判决反馈解相关的
信息通信
Ｉ０ＲＭＡＴ０Ｎ＆Ｃ０ＭＭＵＮ１ＮＦ１ＣＡＴＯＮＳ１
２２０１
（总第１０期）２
（ｕ．Ｎ２）Ｓｍｏｉ０
ＰＯＮ技术及其工程设计要点
邵兴中，陈一伟
（中国移动通信集团设计院有限公司安徽分公司，安徽合肥２０４）３０１
焉《嘲《砷㈣ｔ棚㈣
散的模型：
咖）∑ ：Ｋ
ｋ＝ｌ
（）＋伽）
（）３
其中ｒ＝），
）我们用ｒ（表示对ｒｍ）？ｍ）（的估计，为横
向滤波器的输出。且滤波器系数在ｔｍ一时，ｃｍ１如图１＝１为一）（：
播方式，上行采用ＴＭＡ。两者系统构成相似，Ｄ都是由局端的
ＯＴ光线路终端）０Ｎ（Ｌ（、Ｄ光配线网）０Ｎ（、Ｎｕ）Ｔ用户端的光网络单元／网络终端）光以及Ｅ（Ｍｓ网元管理系统）组成，详见图一。
１ＯＰＮ技术
ＰＯＮ（源光网络）Ｏ无的ＤＮ（光配线网）中不含有源器件，有利于系统建设和后期管理。目前主流ＰＯＮ技术有两种，ＥＯ以太无源光网络）ＧＰＮ（比特无源光网即ＰＮ（和Ｏ吉

第三代移动通信中的多用户检测技术

其中，。等式(3)中的第二项为多址干扰项。传统检测器没有考虑多址干扰的影响，当干扰用户数量增加时，多址干扰也会增加，尤其是当存在远近效应时，目标用户较弱的信号可能会被其他用户较强的信号淹没。为了消除多址干扰和远近效应，提出了多用户检测的概念。
将等式(3)写为矩阵形式是由K个相关器组成的。相关检测器可以由匹配滤波器代替，所以又称为匹配滤波检测器。CDMA工作原理的核心在于伪随机码(Pseudo Noise Code，PN码)的相关性，用公式表示为:
设互相关矩阵为R，则有R={ρij}:。所以第k个用户的相关器输出为:
(2)MMSE多用户检测
使用最小均方误差准则，可以得到MMSE多用户检测。MMSE检测也是对匹配滤波器的输出进行线性变换。由于MMSE准则是使得均方误差最小，所以可以求得线性变换为:
MMSE检测器在消除多址干扰和不增强背景噪声之间进行了折衷。考虑LMMSE和R-1之间的差别可以看出，MMSE对相关矩阵进行的是部份或修正取逆，修正的大小与背景噪声的大小成反比，噪声越大，相关矩阵的不完全取逆越重，这样就避免了加强噪声。MMSE类似于抗ISI的MMSE线性均衡器。
第三代移动通信系统是按照国际电联(International Telecommunication Union，ITU)提出的IMT-2000标准进行设计的新一代移动通信系统，简称为3G(The Third Generation)系统。事实上，国际电联(ITU)早在1985年就提出了第三代移动通信系统的概念，当时称为未来公共陆地移动通信系统(FPLMTS)，后考虑到该系统预计在2000年左右成型，且主要工作于2000Mhz频段，故日本等国家建议更名为国际移动电信系统，即IMT-2000。三代移动通信系统有以下特点:

WCDMA系统中的差分最小均方误差多用户检测算法

ｂｒｃｎｇｔｅｒｔｏｏｕｃｓｉｅｓｍｂｏｓＢｙａｏｉｎｈａｋｆｏａｎｉｒｈｏｏｎｌｖｒ－ｙｔａｋｉｈａｉｆｓｃｅｓｖｙｌ．ｖｄｉｇｔｅｔｓｏｂｔｉｎｇｏｔｇａａｉ
（．ＳｈｏｆＩｆｒｔｏｇｎｅｉｇ，ＣｈｎｎＵｎｖｒｉ１ｃｏｌｏｎｏｍａｉｎＥｎｉｅｒｎａｇａｉｅｓｔｙ，Ｘｉａｎ，７０６１０４，Ｃｈｎ；ｉａ２．ＸｉａｓａｃｎｔｕｅｏｖｇｔｎＴｅｈｏｏｙ，ＸｉａｎＲｅｅｒｈＩｓｉｔｆＮａｉａｉｃｎｌｇｔｏｎ，７０６１０８，Ｃｈｎ）ｉａ
ＭｉｍｕｍｅｎＳｕａｅＥｒｏｉｅｉｎｉＣＤＭＡｓｅｎｉＭａｑｒｒｒＣｒｔｒｏｎＷＳｙｔｍ
Ｆｅｎｇｉｇｌ，ＬｉＷｅＸｎｅｉ，ＳｕｕｎｉｇｎＲｉｎ，ＸｕＨｕａｎｙａ
ａｌｐｅｄｎａｔｒ（ｂｅｓｒａｉｇｆｃｏＯＶＳＦ）ｏｔｅｓｒ，ｔｅｐｏｏｅｔｏａａｉｌｒｃａｙｎｆｏｈｒｕｅｓｈｒｐｓｄｍｅｈｄｃｎｒｐｄｙｔａｋｖｒｉｇ
摘要：带码分多址（ｉｂｎｏｅｉｉｏ宽Ｗｄａｄｃｄｖｉｎｍｕｔｌａｃｓ，ＣＭＡ）ｅｄｓｌｐｅｃｅｓＷＤｉ系统中现有的自适应多用户检测算法需要训练比特，能适应快衰落信道。本文根据ｗＣＭＡ系统中特有的二级扩频体制的特点，出基于差分最小不Ｄ提均方误差（ｆｒｎｉｌｎｍｕｍｅｎｓｕｒｒｏ，ＤｉｅｅｔｉｍｆａｍｉａｑａｅｅｒｒＤＭＭＳ准则的自适应多用户检测算法。该算法根据相邻Ｅ）接收符号幅度变化的比率变化自适应调整横向滤波器的权系数，而不需要通过训练比特开销方式来抑制多址干扰。真结果表明，存在多普勒频移的传播环境下，ＭＭＳ算法的误码性能优于现有仿在ＤＥ

基于最小均方误差的串扰消除多用户检测算法

Ｔｈｌｏｉｍａｆｅｔｖｌｒｃｈｉ — ａｙｎｈａｎｌａｄａｏｄｄｃｓｏｒｏｉｆｓｏＳｍｕａｉｎｒｓｌｓｓｏｔａｈｌｏｌｈｍｓａｅａｇｒｔｈｃｎｅｆｃｉｅｙｔａｋｔｅｔｍｅｖｒｉｇｃｎｅｎｖｉｅｉｉｎｅｒｒｄｆｕｉｎｉｌｔｅｕｔｈｗｈｔｔｅａｇ ’ ｏｉｔｈａ
ｓｓｍｔｄｔｅｙｔｗｉＡｄｉｖｉａｓｉｎＮｏｓ（ＷＧＮ）ｅｈｉＷｈｔＧｕｓｉＡｅａｅ．
［ｙｗｏｄＩＳｃｅｓｖｔｒｒｎｅｃａｃｌｔｎｓｃ：ｎｍｕＭｅｎＳｕｒＥｒｒＭＭＳ）ＤｉｃｅｕｎｅｓｒａｅｔｍＣｄｖｓｎＫｅｒｓｕｃｓｉＩｅｆｅｃｎｅ１ｉｆＩ）Ｍｉｉｍａｑａｅｒ（ｅｎｅａｏｏＥ；ｒｔｑｅｃｅｄｓｃｒｏｅＤｉｉｏｅＳｐｐｕｉ
针对该问题，本文将最小均方误差（ｎｍｕａＭｉｉｍＭｅｎＳｕｒｒｒＭＭＳ）ｑａｅＥｒ，ｏＥ算法及迫零（ｅｏＦｒｉｇＺ）Ｚｒｏｃｎ，Ｆ算法与现有ＳＣ检测器结合提出一种基于最小均方误差的串行干扰消Ｉ除多用户检测（ＭＭＳ —Ｉ）ＥＳＣ算法，以达到消除误差扩散、改善算法检测性能的目的。
文献标识Ａ码：
中圈号：Ｎ１分类Ｔ９１
基于最小均方误差的串扰消除多用户检测算法
高维廷，李辉，翟海天

DS-CDMA系统的一种进化规划多用户检测算法

１引言
ＣＭＤＡ通信及其关键技术是目前国内外移动通
人们转而寻求运算复杂度和性能折衷的次佳多用户检测算法，解相关检测和最小均方误差检测如等。Ｃｍ５４ｅ等从组合优化的角度提出基于遗传算Ｊ法的多用户检测，它的计算量小于以前提出的次佳多用户检测，但遗传算法由于被搜索的空间非常之
ｈｅｆｍｎｅａｐｏｃｅｐｉｌｔｅｐｒｒａｃｐｒａｈｓｔｅｏｔｌｍｕｔ—ｕｅｅｅｔｒｗｉｅｃｍｐｅｉｓｍｕｈｌｗｒｏｈｍａｉｓｒｄｔｃｏｈｌｔｏｌｘｔｉｅｈｙｃｏｅ．
（Ｄ）ｉＤｙｔｓａｓｂ—ｏｔｌｌ —ｕｅｅｃｒａｅｎｅｏｕｏｔｔｇｒｘｎｒ— ＭＵｎＣＭＡｓｓｍ，ｕｅｐｍａｍｕｉｓｒｔｔｓｄｏｖｌｔｎｓａｙｆｏｅａｉｔｄｅｏｂｉｒｅｏｅ
ｔｇｃｏｓｖｒｏｅａｏｄｌｗｉｇｃｍｐｔｔｎｃｍｐｅｉｓｐｏｓｄＴｈｉｌｔｎｒｓｌｈｗａｉｒｓｏｅｐｒｔｎａｏｎｏｕｉｏｌｘｔｉｒｐｏｅ．ｎｉｎａｏｙｅｓｍｕａｉｅｕｔｓｏｔｔｏｓｈ
ＡｌｏｉｈｏｇｒｔｍｆｒＤＳ — ＣＤＭＡｙｔｍｓ — Ｓｓｅ
ＸＵａｇ一ｎＬｉｎｇ．ＨＵｉＭｎ
（ｏｌｅｏｏｐｔｒｎｆｒｔｎＳｉｃ，Ｈｆｉｎｖｒｔｏｅｈｏｇ，ｅｉ３０９Ｃｉ）ＣｌｇｆｍｕｅｄＩｏｉｃｅｅｅｉｓｙｆｃｎｌｙＨｆ００，ｈｎｅＣａｎｍａｏｎｅＵｅｉＴｏｅ２ａ

多用户环境下的多址干扰抑制技术研究

多用户环境下的多址干扰抑制技术研究一、多址干扰抑制技术概述在多用户通信系统中，多址接入技术是实现多个用户共享有限频谱资源的关键技术。

然而，随着用户数量的增加，多址干扰（MAI）成为了影响系统性能的主要因素之一。

多址干扰抑制技术旨在减少或消除多址干扰，提高系统容量和用户服务质量。

本文将探讨多用户环境下的多址干扰抑制技术，分析其重要性、面临的挑战以及可能的解决方案。

1.1 多址干扰的成因与影响多址干扰是由于多个用户同时在同一频率上发送信号，导致接收端无法区分这些信号而产生的干扰。

这种干扰会降低信号的信噪比，增加误码率，从而影响通信系统的性能。

在多用户环境下，随着用户数量的增加，多址干扰的影响变得更加显著。

1.2 多址干扰抑制技术的应用场景多址干扰抑制技术在多种通信系统中都有应用，包括但不限于：- 蜂窝移动通信系统：如LTE、5G等，需要处理大量用户的接入和通信需求。

- 卫星通信系统：在有限的频谱资源下，需要有效管理多用户接入。

- 无线局域网（WLAN）：在高密度用户环境中，多址干扰抑制技术有助于提高网络容量和用户服务质量。

二、多址干扰抑制技术的研究进展为了有效抑制多址干扰，研究人员提出了多种技术方案。

这些技术方案可以从信号处理、网络设计、资源分配等多个角度出发，以提高系统的抗干扰能力。

2.1 信号处理技术信号处理技术是抑制多址干扰的重要手段。

通过先进的信号处理算法，可以在接收端区分并消除多址干扰，提高信号的识别率。

常见的信号处理技术包括：- 多用户检测（MUD）：通过联合检测多个用户的信号，减少多址干扰的影响。

- 干扰消除技术：如干扰消除多用户检测（IED）、最小均方误差（MMSE）等，通过优化算法减少干扰。

- 波束成形技术：通过调整天线阵列的相位，形成指向特定用户的波束，减少对其他用户的干扰。

2.2 网络设计技术网络设计技术通过优化网络结构和拓扑，减少多址干扰的产生。

这些技术包括：- 网络拓扑优化：设计合理的网络拓扑，减少用户间的相互干扰。