一、空时MMSE算法与解相关多用户检测器相结合的研究(论文文献综述)
官改云[1](2014)在《扩展谱通信GLRT:联合的信道估计、均衡和符号检测》文中研究表明本文瞄准不确实信道下的有效、可靠通信,以信号处理、信息理论和传播物理为支柱,在广义似然比检验(Generalized Likelihood Ratio Test, GLRT)框架下,进行联合的信道估计、均衡和符号检测,以设计扩展谱码分多址(Code Division Multiple Address, CDMA)水下空时阵通信系统。扩展谱调制,在发射端,将待传输的信息用与所传输的信息相独立的伪随机码扩展成为宽带信号,即使信号所占用的带宽远远超过所传信息的必需带宽;在接收端,使用完全相同的码进行同步相关/匹配接收以解扩,进而恢复所传送的信息。固有冗余伪随机码的引入不仅使发射信号为大时间带宽乘积信号,而且还让发射信号呈现类噪声性,以至于扩展谱通信具有抗干扰、低截获、高隐蔽等特性。在多用户通信中,还可在每一发送信号中叠加不同的伪随机码来区分彼此,形成CDMA技术。扩展谱调制在实现形式上主要分为直接序列扩展谱和跳频扩展谱两种。直接序列扩展谱利用伪随机码调制相移键控(Phase Shift Keying, PSK)信号进行谱的扩展;跳频扩展谱是在一个发射信号间隔内,按照伪随机码在一组预先规定的频隙上随机选择一个或数个频隙。与无扩展调制方式相比,扩展谱调制是以宽带谱为代价来提高系统的可靠性的,利用CDMA技术,尽管相对于单用户扩展谱通信而言,谱有效性/每码片的总容量得到了提高,但采用随机扩展的CDMA技术相对于确定性扩展的CDMA技术/无扩展多用户时的谱有效性仍存在损失。水声通信中,我们面临的海洋波导环境,特别是浅海波导环境,由于其边界及介质起伏效应,造成时延和多普勒扩展及其变化严重,致使经海洋介质传播的声信号呈现出时间和频率选择性衰落。其次,海洋信道还存在多用户干扰、有意干扰及带宽严重受限等问题。因此,要想实现远距离且有效可靠的水下通信必须采用空时阵通信。时域模糊度函数在大时间带宽乘积波形下低旁瓣,且波形“越乱越好”,时间上波形频率无序寻求时延-多普勒集中。因此,本文在调制器端施加伪随机码以发射信号,解调器端利用同步伪随机码解调接收信号。利用空时对偶性,空域模糊度函数在大空间带宽乘积阵形下低旁瓣,且阵形“越乱越好”,空间上阵几何取向无序寻求阵响应向量集中。因此,本文收发端均采用“伪随机”双螺旋线阵(Double Spiral Line Array, DSLA)来作收发波束形成,以实现有效接收和有效照射。借助于信号的几何表征和信号空间分析,在发射信号先验等可能情况下,最小差错概率准则导出的白高斯信道下的最佳符号检测器为最大似然检测器或最小距离检测器,相应的接收机为相关接收机及其等效的匹配滤波器。实际水声通信中,反映信道传播变化的测量模型中会存在未知参数如信道,因此,若采用先对未知参数作估计,然后选择最有可能的假设,则构成GLRT检测器,其表现为:联合的信道估计、均衡和符号检测。为了跟踪信道变化,应采用自适应均衡/滤波,如基于递归最小二乘(Recursive Least Square, RLS)的均衡/滤波。先验信息与数据信息具有相加性,在基于数据信息的基础上,根据信道的空时演化特性构建状态-空间模型,然后在GLRT框架下,利用序贯贝叶斯滤波——卡尔曼/质点滤波将先验信息规则化地嵌入到算法设计中,通过反馈,改善迭代过程的收敛,形成宽容性处理方法。为了设计低复杂度扩展谱CDMA序贯GLRT空时阵通信系统,本文首先着重对空时匹配滤波/时反技术进行了研究,提出了循环平稳时反技术、时反-正交空时块编码技术和时反波束形成技术。鉴于被动时反是时+空处理,本文又提出采用空时联合的阵处理方法——空-时最小均方误差(Minimum Mean Square Error, MMSE)来进一步提高通信系统的可靠性。然后,本文将时反和空-时MMSE分别与卡尔曼/质点滤波相结合设计了低复杂度的单载波/多载波扩展谱CDMA水下空时阵通信系统。本文的研究内容按三个部分展开。第一部分:水声通信源-信道和空-时四维阵扩展谱GLRT;第二部分:单载波扩展谱通信GLRT;第三部分:多载波扩展谱通信GLRT.在第二三部分又有层次地对两个子内容进行研究:(1)时反扩展谱通信GLRT;(2)空-时MMSE扩展谱通信GLRT.最后,仿真和实验数据分别证实了上述研究内容的可行性。
王艳丽[2](2010)在《MIMO-OFDM系统多用户检测算法研究》文中研究说明多输入多输出(MIMO)技术与正交频分复用(OFDM)技术的结合可以成倍增长信息传送的速率,有效地对抗无线信道的多径衰落和码间干扰,是下一代移动通信中的关键技术。然而,MIMO-OFDM系统的性能会由于多址干扰的影响而下降,MIMO-OFDM系统的多用户检测技术是一个值得研究的问题。本文首先分析了空时编码技术中的空时分组码以及MIMO-OFDM系统的技术原理,建立了多用户MIMO-OFDM系统模型。研究了基于MIMO-OFDM系统的线性多用户检测算法和干扰抵消多用户检测算法,包括迫零(ZF)算法、最小均方误差(MMSE)算法、MMSE与串行干扰抵消相结合(MMSE-SIC)算法、并行干扰抵消(PIC)算法、MMSE与并行干扰抵消相结合(MMSE-PIC)算法,对上述算法进行了仿真,并分析比较了各个算法的性能。在此基础之上提出了一种两步干扰抵消多用户检测算法,与MMSE检测算法相比,该检测算法在没有增加接收机复杂度的情况下获得了较好的性能增益。研究了基于最小误比特率(MBER)的多用户检测算法,并将该检测算法应用于MIMO-OFDM系统,对其性能进行了仿真分析,分析结果表明,与最小化MSE的MMSE检测算法相比,直接最小化BER的MBER检测算法能够在保持复杂度相近的情况下获得较好的性能。
何美枝[3](2010)在《MIMO-OFDM系统中多用户检测技术的研究》文中研究指明未来无线通信在实现高速的数据传输,提供多媒体业务的同时面临着两大挑战:多径衰落和频谱利用率。正交频分复用(OFDM)技术通过将信道分解为多个正交子信道的方法实现了频率选择性多径衰落信道向平坦衰落信道的转化,有效地减小了多径衰落的影响。而多输入多输出(MIMO)技术能在空间中产生多个独立的并行信道同时传输数据,在不增加系统带宽的情况下提高了频谱利用率。MIMO技术与OFDM技术相结合形成的MIMO-OFDM系统是无线通信领域智能天线技术的重大突破,能够大幅度的提高无线通信系统的信道容量和传输速率,并能有效的抵抗多径衰落、抑制干扰和噪声,被认为是新一代无线通信系统的关键技术。多用户检测(Multi-User Detection, MUD)技术是一类新型的抗多址干扰(MAI)技术,是从接收端入手的干扰抑制方法,不但能够有效的消除MAI,而且能抵抗远近效应及多径干扰,提高系统性能。本文主要研究工作如下:1.详细介绍了MIMO和OFDM技术的基本原理,分析了MIMO-OFDM系统的系统模型和特点,并对MIMO系统容量进行了仿真分析。2.围绕多用户检测技术展开讨论,介绍了其基本思想、系统模型、性能指标、算法的分类并对不同的算法进行了仿真比较;3.研究了MIMO-OFDM系统的信号检测技术,分析了最大似然检测算法(ML)、迫零检测算法(ZF)、最小均方误差检测算法(MMSE)和基于MMSE的并行干扰对消检测算法(MMSE-PIC),并对ZF、MMSE和ML算法进行了性能仿真。4.提出了MIMO-OFDM系统中的一种迭代接收机结构,多用户检测和信道估计通过译码器提供的软信息进行迭代检测,改进系统性能,多用户检测通过并行干扰抵消(PIC)算法和MMSE滤波器实现,信道估计采用线性MMSE估计算法,仿真结果表明通过迭代系统性能得到改善。
张东红[4](2010)在《CDMA多用户检测器线性统一模型与非线性改进算法研究》文中提出传统的码分多址(CDMA)系统因多址干扰问题,遭受远近效应的影响和系统容量的限制。长期以来,多址干扰的抑制和消除是改善系统性能和增大系统容量的关键技术,其中,多用户检测技术是消除多址干扰的核心技术而倍受关注。本文提出了CDMA线性多用户检测器的统一模型,研究了线性统一模型的性能及其应用。对非线性干扰消除多用户检测算法进行了理论分析,提出了改进算法。本文的主要内容和创新性成果如下:1基于对角加载方法,提出了一种含参量线性多用户检测器,建立了线性多用户检测器的统一模型。对线性统一模型的检测性能进行了分析,研究了匹配滤波检测器、解相关检测器和最小均方误差检测器在线性统一模型下的相互转换关系。基于线性统一模型,给出了多径衰落信道下最小均方误差(MMSE)检测器实现的新方法,提出了一种双模检测器。理论分析和数值结果均表明,MMSE检测新方法实现简单,比传统MMSE检测方法具有更低的计算复杂度;双模检测器可根据信道的变化动态地在解相关检测和匹配滤波检测模型之间转换,抑制了独立检测存在的缺陷。2.串行干扰消除(SIC)检测器的幅度失配不可避免,而检测性能依赖于信号重建估计的准确性,直接使用误码率公式对幅度失配引起的性能损失进行分析和计算是困难的。本文利用Gaussian近似法推导出幅度失配的SIC检测器误码率近似解析式,基于Lagrange中值定理建立了幅度失配率、信噪比以及性能损失度之间的计算公式,定量地研究和分析了幅度失配对系统性能的影响。3基于分组技术提出了对角加载检测分组SIC算法。该算法利用对角加载检测算子替换SIC检测器每级中匹配滤波(MF)检测算子,实现了分组MMSE检测,减小了解调延迟,改善了SIC检测器和MMSE检测器独立检测的性能。扩频序列直接用于解扩会由于其不完全正交导致多址干扰的产生,从而降低系统性能。基于克莱姆-施密特正交化方法,从扩频序列出发构造SIC检测器每级的解扩序列,提出了正交化解扩的SIC算法(OSIC算法)。性能分析和仿真结果表明,OSIC算法在完全抑制检测器每级多址干扰的同时,也抑制了信道噪声的增强,优于SIC算法。针对多径衰落信道情形提出了一种基于RAKE接收的串行多径干扰抵消检测算法,给出了算法实现的嵌套式RAKE接收机。性能分析和仿真实验表明,嵌套式RAKE接收机能够很好的抑制多址干扰和多径干扰,改善了传统RAKE接收机性能。4并行干扰消除(PIC)检测器结构简单且具有较好的抗远近效应能力,但是其性能受限于对初始数据比特和各用户信号功率的估计。本文比较分析了非线性PIC(HPIC)检测器和线性PIC(LPIC)检测器的干扰估计性能。对LPIC检测器和匹配滤波检测器的性能进行了比较,定量地给出了这两种检测器的信噪比应用条件。针对LPIC检测器在衰落信道下多址干扰估计误差较大的缺陷,提出了加权抵消的LPIC检测器,加权系数是基于最小均方误差准则获取。理论分析和仿真实验表明,无论在功率控制还是远近效应下,加权抵消LPIC检测器的性能都远远好于LPIC检测器。5从理论上分析了判决排序对前馈线性变换的判决反馈多用户检测器性能影响,给出了一种基于信号幅度迭代估计的判决排序方法。通过在前馈线性变换的判决反馈检测器中引入一个判决转换策略,提出了转换判决反馈检测算法(SDFD)。SDFD算法能够根据信噪比环境变化情况在干扰抵消解相关检测和匹配滤波检测之间择优判决。理论分析和仿真实验结果均表明,SDFD算法能够适用于低信噪比环境,具有比解相关判决反馈检测(DDFD)算法以及前馈正交变换判决反馈检测(ODFD)算法更好的性能。
申雅峰[5](2010)在《MIMO检测算法研究与实现》文中研究指明新一代移动通信(beyond 3G/4G),将提供高速的数据传输速率,以支持新业务的不断涌现。如何在有限的频谱资源上实现高速率和大容量是未来移动通信系统的关键因素之一。MIMO技术利用多个天线实现多发多收,充分开发空间资源,可以成倍地提高信道容量,同时也可以提高信道的可靠性,降低误码率。多用户检测技术与MIMO结合可以进一步提高传输效率,提高系统性能。本文首先介绍了MIMO系统以及多用户检测理论,在MIMO系统多用户检测的研究上,尽管最早提出的最优多用户检测算法全空间最大似然(ML)检测能获取最优的检测性能,但由于其算法复杂度太高,一直无法实际应用,于是研究复杂度较低,性能接近ML的次优多用户检测算法具有重要意义。本文结合MIMO多用户系统和遗传算法研究利用遗传算法进行MIMO多用户检测,从组合优化的角度讨论了一种基于改进遗传算法的MIMO多用户检测算法—IGA-MUD(Improved Genetic Algorithm Multi-User Detection),并与传统检测算法进行了性能仿真比较。仿真结果表明,IGA-MUD的性能大大优于ZF(Zero Forcing,迫零)和MMSE(Minimum Mean Square Error,最小均方误差)算法,在获取接近最大似然检测性能的同时显着降低了算法的复杂度。最后,本文在硬件设计与实现方面,研究了基于DSP+FPGA硬件平台的MIMO检测系统的设计方案,并对各个功能模块的FPGA设计进行了详细阐述。
汪瑞,任品毅,魏莉,付瑞君[6](2009)在《一种基于TPA-MMSE的降秩空时多用户检测算法》文中指出针对V-BLAST-CDMA(Vertically-Layered Bell Laboratories Layered Space Time-Code Division Multiple Access)系统中传统空时解相关检测算法计算复杂度过高的问题,本文提出了一种基于泰勒多项式近似(Taylov Polynomial approximation MMSE,TPA-MMSE)的降秩空时多用户检测算法。理论分析和仿真结果表明,与其他传统的解相关和MMSE算法相比较,此算法在较低秩的情形下即可收敛到满秩性能.
陈亮辉[7](2009)在《CDMA移动通信中参数估计和数据检测》文中进行了进一步梳理CDMA移动通信系统中,多径效应、多普勒效应以及扩频码之间非严格正交等引起的码间干扰、多址干扰以及信道的频率选择性时变衰落是制约系统容量与通信质量的主要因素。新一代移动通信系统期望提供更高的数据率、更可靠的通信,支持更快的移动终端,干扰抑制技术与参数估计技术必不可少,并成为CDMA移动通信系统的关键性技术。本文针对衰落信道下CDMA移动通信系统的上行链路和下行链路,以最佳接收和最优估计即概率后验分布最大化为目标,基于蒙特卡罗贝叶斯思想,研究激活用户参数估计、信道估计和多用户检测技术。1.在多用户多径长码DS-CDMA系统下,推导了在已知和未知激活用户导频比特和扩频码时,多用户相位、时延和幅度参数联合估计的CRB和MCRB数学表达式,仿真了导频比特个数和激活用户参数对CRB和MCRB的影响,比较了多用户多径和单径DS-CDMA系统CRB和MCRB的区别,为提出的参数估计算法提供了性能界。在同步多用户DS-CDMA系统下,分别分析了信道估计误差和激活用户参数估计误差对多用户检测算法的影响。采用副本分析算法,研究了ML和MMSE信道估计算法对最优多用户检测算法的影响,相比ML信道估计算法而言,MUD性能更易受MMSE信道估计误差影响。采用矩阵理论,研究了激活用户参数估计误差对线性解相关多用户检测器、线性MMSE多用户检测器和直接矩阵求逆多用户检测器的性能影响。2.在多用户多径DS-CDMA小区系统中,采用RJMCMC算法实现了下行链路联合激活用户个数的估计和用户签名序列检测问题,结合激活用户变化的实际情况,描述了激活用户变化的状态空间及其状态间的运动,基于后验概率密度函数,通过积分掉多余参数,得到所需参数的后验分布,完成激活用户个数的估计和用户签名序列检测,同时分析了信号幅度分布参数必须满足的条件;使用基于Rao-Blackwellised粒子滤波算法分析了小区系统中上行链路多用户检测算法中检测长码签名序列问题,同时实现了定时信息估计,基于Rao-Blackwellised粒子滤波算法比传统ML算法复杂度低,虽然在高斯白噪声下的检测性能略低于ML算法,但是在有色噪声下获得了与ML算法几乎相同的检测性能。3.在频率选择性衰落信道下,通过建立定时信息的动态模型,结合DS-CDMA信号观测方程,提出了两类基于MCMC的信道估计算法。在未知链路噪声方差解决信道估计问题时,基于EM算法以批处理的方式估计参数,样本数据是全部DS-CDMA符号,由于概率分布的维数高,EM算法的期望值可能不可求,提出通过近似后验分布,采用期望最大化统计近似算法求解。根据粒子滤波器序贯实时估计出未知状态和参数,相比期望最大化统计近似算法算法,减少了计算复杂度和存储需求,而且由于引入了参数空间分集明显改善了参数估计性能。4.在多用户多径CDMA异步信道环境下,把接收信号看作以激活用户数和用户路径数为参数,被噪声污染的二维复合Poisson过程,包含了用户径幅度和定时信息的信道疏状脉冲响应是二维复合Poisson过程,把信道脉冲响应被建模为Bernoulli-Gaussian过程,利用信道脉冲响应疏状特性携带的参数信息,使用基于MCMC技术求出参数后验概率分布最优化解,实现联合激活用户识别和信道参数估计。5.在存在未知多径信道和小区外多址干扰时,从所有未知参量的贝叶斯推理出发,利用差分译码软输入软输出内在性质,根据贝叶斯推理和马尔科夫链蒙特卡罗算法推导了适用于长码异步CDMA系统的多用户检测器,提出了基于Gibbs采样器的盲贝叶斯多用户检测迭代算法。通过引入子空间概念,采用两层嵌套迭代算法实现了DS-CDMA小区系统中联合贝叶斯激活用户识别和多用户数据检测问题,首先推导了RJMCMC算法的后验概率密度函数,然后根据后验概率密度函数估计激活用户空间维数,同时检测其签名序列;利用Gibbs采样器计算贝叶斯估计,实现联合激活用户参数估计和多用户数据检测。6.提出了用于MIMO CDMA系统下基于Gibbs采样器多用户检测算法,根据样本点服从先验分布不同,算法分为两类:马尔科夫链Rao-Blackwellization算法和基于均匀采样的马尔科夫链Rao-Blackwellization算法。因为基于均匀采样的马尔科夫链Rao-Blackwellization算法的候选样本点集中在高概率区域,因此算法要优于前者。根据马尔科夫链的一步转移概率和状态转移公式,分析了基于均匀采样的马尔科夫链Rao-Blackwellization算法收敛性。根据Gibbs采样器实现等式和基于均匀采样马尔科夫链Rao-Blackwellization算法LLR实现等式,给出了硬件实现电路图,介绍了基于均匀采样的马尔科夫链Rao-Blackwellization算法的两种电路实现方式:串行电路和并行电路,并仿真了FPGA实现电路的字长。
江婷[8](2009)在《MIMO-OFDM系统的多用户检测算法研究》文中研究表明MIMO-OFDM技术将MIMO技术与OFDM技术相结合,可以在高速数据传输的情况下实现较高的频谱利用率,是无线通信领域技术的重大突破。多用户检测(MUD)技术是一类新型的抗多址干扰(MAI)技术,能够有效地消除MAI、抵抗远近效应及多径干扰。多用户检测技术已经成为下一代移动通信系统中的关键技术之一,对MIMO-OFDM系统的多用户检测算法的研究有着重要意义。本文主要研究了MIMO-OFDM系统的多用户检测算法,主要内容概括如下:1)研究MIMO技术和OFDM技术,分析了MIMO-OFDM系统的系统模型;研究了多用户检测技术,并对常用的几种算法进行仿真。2)分析了多用户STBC-OFDM系统模型,给出了该系统的最小均方误差(MMSE)多用户检测算法。传统的MMSE算法存在残余多用户干扰,且在用户数较多时会严重影响系统性能的缺点;而MMSE-SIC算法虽然有一定的抑制残余用户干扰的作用,却需要功率排序,且存在着时延较大及误差传递的缺点。对此,本文结合并行干扰抵消(PIC)技术,提出了MMSE-PIC多用户检测算法,抑制了残余用户干扰,无需功率排序,减小时延,避免了误差传递的现象。分别对传统的MMSE、MMSE-SIC、MMSE-PIC算法进行仿真,仿真结果表明, MMSE-PIC算法的误码率性能要优于MMSE和MMSE-SIC算法。3)将一种基于正交预编码的空时频编码方案应用于MIMO-OFDM系统,并将其扩展到多用户多天线情况,构建了多用户正交预编码STF-OFDM系统,给出了适用于该系统的MMSE多用户检测算法。同样,针对传统的MMSE算法存在残余多用户干扰的缺点,设计并实现了适用于该系统的MMSE-PIC多用户检测算法。仿真结果表明:由于多用户STF-OFDM系统充分利用了时间、空间和频率三个方向的分集特性,该系统采用MMSE算法和MMSE-PIC算法时,其误码率性能均优于STBC-OFDM系统;由于使用了并行干扰抵消技术,MMSE-PIC算法在多用户正交预编码STF-OFDM系统中的性能优于MMSE算法。
卢凤华[9](2008)在《3G系统中多用户检测算法分析与研究》文中提出由于CDMA通信系统具有大容量、软容量、软切换、频率利用率高、抗多径哀落能力强等优点而在第三代移动通信系统(3G)中得到广泛的应用。在CDMA通信系统中,影响系统性能的因素主要是多址干扰和“远—近”效应,因此第三代移动通信系统将多用户检测(MUD)技术作为克服多址干扰的一种有效方法。本文在总结现有的MUD研究成果的基础上,从理论分析与仿真角度重点研究了MUD技术中的盲多用户检测算法。主要工作可以概括如下:(1)对盲多用户检测的LMS算法、RLS算法及Kalman算法在不同环境中的信干比、剩余输出能量进行了分析、研究和仿真。计算机仿真表明了RLS、Kalman滤波两种算法具有优良的收敛性和较高的稳态输出信干比(SIR)以及在时变信道中良好的跟踪特性,但是运算复杂度较高。(2)由于LMS算法复杂度低,易于实现,但是收敛性能较差。因此针对LMS自适应算法的不足,本文提出了一种改进型变步长LMS自适应迭代算法,分析了该算法的收敛速度、稳态输出信干比等系统性能。计算机仿真表明该算法的收敛性能优于基本LMS算法。
施煜[10](2008)在《无线CDMA通信系统的多用户检测算法研究》文中研究指明计算机技术特别是数字信号处理技术的应用,推动了无线通信技术进入快速发展时期。码分多址(CDMA)系统是一个干扰受限系统,系统中存在的多址干扰和远近效应是限制CDMA系统容量的主要因素。多用户检测技术是在传统检测技术的基础上提出的,充分利用造成多址干扰的所有用户信号信息对多用户做联合检测,其中,盲自适应多用户检测技术在检测时所需先验信息较少,是近几年来通信领域中研究的热点。本文首先对子空间方法多用户检测算法进行了研究。仿真分析正交预测逼近子空间跟踪(OPAST)算法子空间跟踪模块过程中,发现在不同遗忘因子条件下向量跟踪误差收敛性差,基于此提出了改进方法,以减小算法迭代过程中的误差积累,改善误差收敛性能。通过仿真分析,表明此改进方法能够有效提高算法的全局收敛性。然后,通过对线性受限最小二乘恒模(LCLSCMA)多用户检测算法的仿真研究,将其与子空间方法结合起来,提出一种改进的LCLSCMA算法,该算法克服了传统的最小二乘恒模(LSCMA)算法在信噪比环境恶劣的情况下性能不理想的缺点;较LCLSCMA算法而言,在信干噪比和误码率性能方面有着明显的优势。经过仿真分析验证,该算法在低信噪比和强多址干扰的条件下,能够有效的消除噪声子空间的干扰,显着提高了检测器的性能。从算法复杂度角度来看,虽然LCLSCMAsub算法较LCLSCMA算法而言,多出了矩阵的特征值分解部分,但是由于特征向量的正交性,大大简化了矩阵求逆的计算,并且在低信噪比的情况下,算法收敛速度要快。最后,将改进后的LCLSCMA算法与阵列天线技术结合起来,体现了较好的输出信干噪比和误码率性能,进一步验证了改进后算法的正确性和有效性。
二、空时MMSE算法与解相关多用户检测器相结合的研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、空时MMSE算法与解相关多用户检测器相结合的研究(论文提纲范文)
(1)扩展谱通信GLRT:联合的信道估计、均衡和符号检测(论文提纲范文)
致谢 |
摘要 |
Abstract |
图目录 |
表目录 |
缩略词表 |
第1章 绪论 |
1.1 问题的提出及立题意义 |
1.1.1 问题的提出 |
1.1.2 立题意义 |
1.2 国内外研究现状 |
1.3 研究目标及思路 |
1.4 论文的主要贡献及章节安排 |
1.4.1 论文的主要贡献 |
1.4.2 论文的章节安排 |
第2章 扩展谱通信理论 |
2.1 信号空间建模及再生 |
2.1.1 信号空间建模 |
2.1.2 信号空间再生 |
2.2 伪随机序列 |
2.2.1 伪随机序列 |
2.2.2 m序列 |
2.2.3 Gold序列 |
2.2.4 Kasami序列 |
2.2.5 Walsh-Hadamard序列 |
2.3 扩展谱概述 |
2.3.1 扩展谱定义 |
2.3.2 扩展谱通信的工作原理 |
2.3.3 扩展谱的主要参数 |
2.3.4 扩展谱的主要优点 |
2.4 扩展谱通信系统 |
2.4.1 直接序列扩展谱通信系统 |
2.4.2 跳频扩展谱通信系统 |
2.5 CDMA系统谱有效性分析 |
2.5.1 无扩展谱有效性 |
2.5.2 CDMA谱有效性 |
2.6 同步 |
2.6.1 捕获 |
2.6.2 跟踪 |
2.7 小结 |
第3章 水声通信源-信道和空-时四维阵扩展谱GLRT |
3.1 水声通信源-信道 |
3.1.1 水声信道特性 |
3.1.2 水声信道建模 |
3.2 空-时四维阵 |
3.2.1 波形设计 |
3.2.2 阵形设计 |
3.3 状态-空间建模及再生 |
3.3.1 状态-空间建模 |
3.3.2 状态-空间再生 |
3.4 多普勒估计及补偿 |
3.4.1 均匀多普勒效应的估计和补偿 |
3.4.2 随机多普勒效应的估计和补偿 |
3.5 小结 |
第4章 单载波扩展谱通信GLRT |
4.1 时反技术 |
4.1.1 时反和均衡间的关系 |
4.1.2 利用发射信号循环平稳性的时反技术 |
4.1.3 时反-正交空时块编码技术 |
4.1.4 时反波束形成技术 |
4.1.5 时反和空间分集 |
4.2 时反单载波扩展谱通信GLRT |
4.2.1 发射信号设计 |
4.2.2 接收机设计 |
4.2.3 仿真及实验数据分析 |
4.3 空-时MMSE技术 |
4.3.1 信号模型 |
4.3.2 信道估计 |
4.3.3 符号检测 |
4.3.4 实验数据分析 |
4.4 空-时MMSE单载波扩展谱通信GLRT |
4.4.1 空-时MMSE单载波扩展谱GLRT阵通信系统 |
4.4.2 实验数据分析 |
4.5 小结 |
第5章 多载波扩展谱通信GLRT |
5.1 多载波扩展谱技术 |
5.1.1 频域多载波扩展谱技术 |
5.1.2 时域多载波扩展谱技术 |
5.2 多载波扩展谱通信GLRT |
5.2.1 发射信号设计 |
5.2.2 接收机设计 |
5.2.3 仿真及实验数据分析 |
5.3 小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
作者简历及攻读学位期间所发表的论文 |
(2)MIMO-OFDM系统多用户检测算法研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景及意义 |
1.2 MIMO-OFDM 系统多用户检测技术研究现状 |
1.3 本文的主要内容和结构安排 |
2 多用户MIMO-OFDM 系统 |
2.1 空时分组码(STBC) |
2.1.1 Alamouti 空时分组码编码方案 |
2.1.2 最大似然译码 |
2.1.3 有多根接收天线的Alamouti 方案 |
2.2 空时分组码MIMO-OFDM 系统 |
2.2.1 频率选择性衰落信道模型 |
2.2.2 MIMO-OFDM 系统基本模型 |
2.2.3 利用空时分组码的MIMO-OFDM 系统基本模型 |
2.3 系统建模 |
2.4 本章小结 |
3 MIMO-OFDM 系统多用户检测算法 |
3.1 多用户检测理论 |
3.2 多用户检测器的性能测度 |
3.3 线性多用户检测算法 |
3.3.1 迫零(ZF)检测算法 |
3.3.2 最小均方误差(MMSE)检测算法 |
3.4 干扰抵消多用户检测算法 |
3.4.1 串行干扰抵消(SIC)检测算法 |
3.4.2 并行干扰抵消(PIC)检测算法 |
3.4.3 MMSE 和PIC 组合的多用户检测算法 |
3.4.4 仿真结果与分析 |
3.5 改进的两步干扰抵消多用户检测算法 |
3.5.1 算法描述 |
3.5.2 算法复杂度分析 |
3.5.3 仿真结果与分析 |
3.6 本章小结 |
4 基于MBER 的MIMO-OFDM 系统多用户检测算法 |
4.1 最小误比特率(MBER)滤波 |
4.1.1 滤波器模型 |
4.1.2 MBER 滤波算法 |
4.1.3 MBER 滤波自适应实现 |
4.2 基于MBER 的空时分组码MIMO-OFDM 系统多用户检测算法 |
4.2.1 自适应MMSE 多用户检测算法 |
4.2.2 自适应MBER 多用户检测算法 |
4.2.3 仿真结果与分析 |
4.3 本章小结 |
5 结论 |
5.1 论文工作总结 |
5.2 需要进一步开展的工作 |
致谢 |
参考文献 |
附录 |
(3)MIMO-OFDM系统中多用户检测技术的研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 移动通信的概述 |
1.2 新一代移动通信的需求及特征 |
1.3 多用户检测技术的研究现状 |
1.4 主要研究内容及结构安排 |
第二章 MIMO-OFDM 基本原理 |
2.1 MIMO 系统原理 |
2.2 OFDM 系统原理 |
2.3 MIMO-OFDM 系统 |
2.4 本章小结 |
第三章 多用户检测技术 |
3.1 多用户检测技术概述 |
3.2 常见的多用户检测器 |
3.2.1 最优多用户检测器 |
3.2.2 线性多用户检测器 |
3.2.3 非线性多用户检测器 |
3.2.4 仿真分析 |
3.3 本章小结 |
第四章 MIMO-OFDM 系统信号检测技术 |
4.1 引言 |
4.2 信号模型 |
4.3 几种典型的检测算法 |
4.3.1 最大似然检测算法 |
4.3.2 迫零检测算法 |
4.3.3 最小均方误差检测算法 |
4.3.4 基于MMSE 的并行干扰对消检测算法 |
4.4 仿真分析 |
4.5 本章小结 |
第五章 基于信道估计的多用户检测技术 |
5.1 引言 |
5.2 系统模型 |
5.2.1 发射端模型 |
5.2.2 接收端模型 |
5.3 算法描述 |
5.3.1 多用户检测算法 |
5.3.2 SISO 译码算法 |
5.3.3 信道估计算法 |
5.4 仿真分析 |
5.5 本章小结 |
第六章 总结与展望 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文 |
(4)CDMA多用户检测器线性统一模型与非线性改进算法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 多用户检测技术概述 |
1.3 多用户检测技术发展历程及分类 |
1.4 多用户检测尚待研究的关键问题 |
1.5 多用户检测技术发展前景 |
1.6 论文的主要工作和内容安排 |
第二章 CDMA通信系统中的多用户检测基本理论 |
2.1 系统模型 |
2.2 多用户检测的性能测度 |
2.2.1 误码率 |
2.2.2 渐进有效性 |
2.2.3 抗远近能力 |
2.3 多用户检测技术 |
2.3.1 最优多用户检测器 |
2.3.2 线性多用户检测器 |
2.3.2.1 解相关检测器 |
2.3.2.2 最小均方误差(MMSE)检测器 |
2.3.3 干扰消除多用户检测器 |
2.3.3.1 串行干扰消除检测器 |
2.3.3.2 并行干扰消除检测器 |
2.3.3.3 解相关判决反馈检测器 |
2.4 本章小结 |
第三章 线性多用户检测器的统一模型及其应用 |
3.1 引言 |
3.2 线性多用户检测器的统一模型 |
3.2.1 实现线性多用户检测器统一模型的对角加载方法 |
3.2.2 线性多用户检测器统一模型的最佳参量 |
3.2.3 线性多用户检测器统一模型的性能分析 |
3.2.4 幅度失配对检测性能的影响 |
3.2.5 仿真结果 |
3.3 基于最佳参量检测模型的多径衰落信道MMSE检测器 |
3.3.1 信号模型 |
3.3.2 多径衰落信道MMSE检测器的最佳参量检测模型实现方法 |
3.3.3 最佳参量的估计 |
3.3.4 仿真结果 |
3.4 具有双重模型的线性多用户检测器 |
3.4.1 双模检测器描述 |
3.4.2 转换准则 |
3.4.3 仿真结果 |
3.5 本章小结 |
第四章 串行干扰消除检测器幅度失配的性能损失定量分析与改进算法 |
4.1 引言 |
4.2 幅度失配的SIC检测器性能近似分析 |
4.3 幅度失配对SIC检测器性能影响的定量分析 |
4.3.1 幅度失配的SIC检测器误码率 |
4.3.2 幅度失配的SIC检测器性能定量分析方法 |
4.3.3 仿真实验 |
4.4 基于MMSE检测的分组SIC算法 |
4.4.1 算法描述 |
4.4.2 对角加载检测线性算子的更新复杂度分析 |
4.4.3 仿真结果 |
4.5 基于克莱姆-施密特正交化法的SIC算法 |
4.5.1 信号模型 |
4.5.2 算法描述 |
4.5.3 误码性能分析 |
4.5.4 仿真结果 |
4.6 多径衰落信道下基于RAKE接收的串行多径干扰抵消检测算法 |
4.6.1 系统模型与传统RAKE接收机 |
4.6.2 基于RAKE接收的串行多径干扰抵消算法 |
4.6.3 性能分析 |
4.6.4 仿真结果 |
4.7 本章小结 |
第五章 并行干扰消除检测器干扰估计性能分析与改进算法 |
5.1 引言 |
5.2 PIC算法的干扰估计性能分析 |
5.2.1 干扰估计误差 |
5.2.2 LPIC的干扰估计性能分析 |
5.2.3 HPIC的干扰估计性能分析 |
5.2.4 LPIC和HPIC的干扰估计性能比较 |
5.3 LPIC和MF检测器的性能比较 |
5.4 加权抵消的线性并行干扰消除多用户检测算法 |
5.4.1 信号模型 |
5.4.2 加权LPIC算法 |
5.4.3 干扰抵消加权系数选取准则 |
5.4.3.1 第二级干扰抵消加权系数 |
5.4.3.2 第三级干扰抵消加权系数 |
5.4.4 性能分析 |
5.4.5 仿真结果 |
5.5 本章小结 |
第六章 前馈线性变换的判决反馈多用户检测器判决排序方法与改进算法 |
6.1 引言 |
6.2 前馈线性变换的判决反馈多用户检测器 |
6.3 判决排序对检测性能影响分析 |
6.4 基于信号幅度迭代估计的判决排序方法 |
6.5 基于转换判决策略的判决反馈多用户检测算法 |
6.5.1 转换判决反馈多用户检测算法 |
6.5.2 性能分析 |
6.5.3 仿真结果 |
6.6 本章小结 |
第七章 总结与展望 |
7.1 全文总结 |
7.2 研究展望 |
致谢 |
参考文献 |
博士学习阶段(合作)发表与撰写的学术论文 |
博士学习阶段参加的科研项目 |
本论文专用术语(符号、变量、缩略词等)的注释表 |
(5)MIMO检测算法研究与实现(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.1.1 MIMO系统简介 |
1.1.2 MIMO系统研究发展概况 |
1.1.3 MIMO系统研究所面临的主要挑战和尚需解决的问题 |
1.2 MIMO多用户系统概述 |
1.3 基于改进遗传算法的MIMO系统多用户检测的目的和意义 |
1.4 本论文的主要工作及内容安排 |
第二章 MIMO系统和空时编码技术 |
2.1 MIMO系统容量分析 |
2.1.1 MIMO系统模型 |
2.1.2 独立衰落MIMO的信道容量 |
2.1.3 MIMO系统小结 |
2.2 空时编码技术 |
2.2.1 空时编码技术概述 |
2.2.2 分层空时码(Layered Space-Time Code,LST) |
2.2.3 空时分组码(Space-Time Block Code,STBC) |
2.2.4 空时格码(Space-time Trellis Code,STTC) |
2.3 本章小结 |
第三章 MIMO多用户系统检测技术 |
3.1 多用户检测理论 |
3.1.1 多用户检测技术的提出 |
3.1.2 多用户检测技术的原理 |
3.1.3 多用户检测技术的分类和发展 |
3.2 MIMO系统的多用户检测 |
3.2.1 MIMO多用户系统的信号检测 |
3.2.2 基于V-BLAST的MIMO多用户系统模型 |
3.2.3 V-BLAST的信号检测 |
3.2.4 MIMO多用户系统检测性能比较 |
3.3 本章小结 |
第四章 基于改进遗传算法的MIMO多用户检测算法 |
4.1 遗传算法 |
4.1.1 遗传算法的基本术语 |
4.1.2 遗传算法的主要特点 |
4.1.3 基本遗传算法中的一些概念 |
4.1.4 基本遗传算法的基本框架 |
4.2 基于改进遗传算法的MIMO多用户检测算法 |
4.2.1 IGA-MUD |
4.2.2 基于改进遗传算法的MIMO多用户检测算法步骤 |
4.2.3 算法复杂度分析 |
4.3 系统仿真结果分析 |
4.3.1 系统框图 |
4.3.2 基本假设 |
4.3.3 IGA-MUD仿真结果分析 |
4.4 本章小结 |
第五章 MIMO检测的硬件设计与实现 |
5.1 开发环境 |
5.1.1 硬件开发平台 |
5.1.2 软件开发平台 |
5.2 MIMO检测系统设计 |
5.2.1 系统设计方案 |
5.2.2 DSP模块设计 |
5.2.3 FPGA模块设计 |
5.3 MIMO检测的FPGA设计 |
5.3.1 MIMO检测中的FPGA模块划分 |
5.3.2 矢量距离计算模块设计 |
5.3.3 求最小值模块设计 |
5.3.4 串并转换模块设计 |
5.4 浮点数运算模块的FPGA设计 |
5.4.1 浮点数的概念 |
5.4.2 32 位浮点数加/减法器 |
5.4.3 32 位浮点数乘法器 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
作者在读期间研究成果 |
(7)CDMA移动通信中参数估计和数据检测(论文提纲范文)
图目录 |
缩略词索引 |
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究CDMA 参数估计和多用户数据检测的背景和目的 |
1.2 CDMA 参数估计和多用户数据检测研究现状 |
1.3 CDMA 参数估计和多用户数据检测面临的问题 |
1.4 论文的主要工作和组织 |
第二章 参数估计误差对多用户检测算法性能影响 |
2.1 多用户参数估计的CRB 和MCRB |
2.1.1 信号模型 |
2.1.2 多用户参数估计CRB |
2.1.3 修正CRB |
2.1.4 仿真结果 |
2.2 信道参数估计误差对多用户检测算法性能影响 |
2.3 激活用户参数估计误差对多用户检测算法性能影响 |
2.3.1 线性解相关多用户检测器 |
2.3.2 线性MMSE 多用户检测器 |
2.3.3 直接矩阵求逆多用户检测器 |
2.4 小结 |
第三章 基于蒙特卡罗贝叶斯用户激活参数估计 |
3.1 短码CDMA 系统用户激活参数估计 |
3.1.1 系统模型 |
3.1.2 边缘后验分布的分析 |
3.1.3 可逆跳变MCMC 算法 |
3.1.4 幅度参数分布对识别激活用户的影响 |
3.1.5 数据仿真 |
3.2 长码CDMA 系统用户激活参数估计 |
3.2.1 信号模型 |
3.2.2 联合长码签名序列检测和定时估计的粒子滤波器 |
3.2.3 仿真结果 |
3.3 小结 |
第四章 基于蒙特卡罗贝叶斯信道估计 |
4.1 系统模型 |
4.1.1 信号模型 |
4.1.2 定时信息模型 |
4.1.3 动态状态模型 |
4.2 基于蒙特卡罗的信道估计算法 |
4.2.1 基于MCMC 算法 |
4.2.2 基于PF 算法 |
4.3 慢频率选择性衰落信道估计 |
4.3.1 SAEM 算法 |
4.3.2 CIR 后验分布 |
4.4 快频率选择性衰落信道估计 |
4.4.1 CIR 估计的Rao-Blackwellization 算法 |
4.4.2 定时信息重要性采样 |
4.4.3 TFO 和噪声方差的估计 |
4.5 基于蒙特卡罗的信道估计算法的性能仿真 |
4.6 联合激活用户识别和信道估计 |
4.6.1 系统模型 |
4.6.2 联合激活用户识别和信道估计 |
4.6.3 仿真结果 |
4.7 小结 |
第五章 基于蒙特卡罗贝叶斯CDMA系统多用户检测 |
5.1 系统描述 |
5.1.1 信道模型 |
5.1.2 噪声模型 |
5.1.3 系统模型 |
5.1.4 接收机结构 |
5.2 多径衰落编码CDMA 系统中的基于贝叶斯多用户检测 |
5.2.1 先验分布 |
5.2.2 条件后验分布 |
5.2.3 多径衰落编码CDMA 系统中Gibbs 多用户检测器 |
5.3 小区制编码CDMA 中的基于贝叶斯多用户检测 |
5.3.1 先验分布 |
5.3.2 条件后验分布 |
5.3.3 小区制编码CDMA 中的基于贝叶斯多用户检测 |
5.4 基于贝叶斯多用户检测器性能仿真 |
5.4.1 仿真环境 |
5.4.2 盲贝叶斯多用户检测器收敛性 |
5.4.3 多径衰落编码CDMA 系统中的基于贝叶斯多用户检测性能 |
5.4.4 小区制编码CDMA 系统的基于贝叶斯多用户检测性能 |
5.5 DS-CDMA 小区中联合激活用户识别和多用户检测 |
5.5.1 系统模型 |
5.5.2 条件后验分布 |
5.5.3 RJMCMC 和Gibbs 采样器 |
5.5.4 性能仿真 |
5.6 结论 |
第六章 基于蒙特卡罗贝叶斯MIMO CDMA系统多用户检测 |
6.1 MIMO CDMA 系统模型 |
6.2 MIMO CDMA 系统多用户检测算法 |
6.2.1 MIMO CDMA 系统多用户检测器的Gibbs 采样器 |
6.2.2 基于均匀采样的马尔科夫链Rao-Blackwellization LLR 计算 |
6.2.3 算法性能仿真 |
6.3 MIMO CDMA 系统多用户检测算法收敛性分析 |
6.4 MIMO CDMA 系统多用户检测算法的硬件实现 |
6.4.1 Gibbs 采样器实现等式 |
6.4.2 基于均匀采样马尔科夫链Rao-Blackwellization 算法LLR 实现等式 |
6.4.3 算法硬件实现电路 |
6.4.4 电路实现字长仿真 |
6.5 小结 |
第七章 总结与展望 |
7.1 全文总结 |
7.2 展望 |
参考文献 |
作者简历 攻读博士期间完成的主要工作 |
致谢 |
(8)MIMO-OFDM系统的多用户检测算法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 移动通信发展概述 |
1.2 本文的研究背景 |
1.2.1 MIMO 技术 |
1.2.2 OFDM 技术 |
1.2.3 多用户检测 |
1.3 本论文的内容安排和研究工作 |
第二章 MIMO-OFDM 技术 |
2.1 MIMO 技术 |
2.1.1 MIMO 系统模型 |
2.1.2 MIMO 信道容量与仿真分析 |
2.1.3 空时分组码 |
2.1.4 空频分组码 |
2.2 OFDM 技术 |
2.2.1 OFDM 技术的基本原理 |
2.2.2 OFDM 的系统模型 |
2.2.3 子载波调制的FFT 实现 |
2.2.4 OFDM 系统优缺点 |
2.3 MIMO-OFDM 系统原理 |
2.3.1 MIMO-OFDM 系统结合的必要性 |
2.3.2 MIMO-OFDM 系统模型 |
2.4 本章小结 |
第三章 多用户检测技术 |
3.1 多用户检测概述 |
3.1.1 多用户检测的基本原理 |
3.1.2 多用户检测的基本结构 |
3.2 多用户检测技术的分类及发展 |
3.2.1 最优多用户检测 |
3.2.2 线性多用户检测 |
3.2.3 非线性多用户检测器 |
3.2.4 盲多用户检测 |
3.2.5 空时多用户检测 |
3.3 多用户检测的性能测度 |
3.4 性能仿真 |
3.5 本章小结 |
第四章 STBC-OFDM 系统的多用户检测 |
4.1 STBC-OFDM 系统模型 |
4.2 STBC-OFDM 系统的MMSE 多用户检测算法 |
4.3 STBC-OFDM 系统的MMSE-PIC 多用户检测算法的提出 |
4.4 仿真与分析 |
4.5 本章小结 |
第五章 正交预编码STF-OFDM 系统的多用户检测 |
5.1 多用户正交预编码STF-OFDM 系统模型的构建 |
5.1.1 正交预编码的码字设计 |
5.1.2 多用户正交预编码STF-OFDM 系统的系统模型 |
5.2 正交预编码STF-OFDM 系统的MMSE 多用户检测算法 |
5.3 STF-OFDM 系统的MMSE-PIC 多用户检测算法设计 |
5.4 性能仿真与比较 |
5.5 本章小结 |
第六章 总结与展望 |
参考文献 |
致谢 |
在学期间的研究成果及发表的学术论文 |
(9)3G系统中多用户检测算法分析与研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 课题研究的目的及意义 |
1.2 多用户检测技术的国内外研究状况及进展 |
1.3 论文内容和章节安排 |
2 CDMA 移动通信系统 |
2.1 扩频通信 |
2.2 CDMA 通信系统 |
2.2.1 CDMA 通信系统简介 |
2.2.2 高斯白噪声信道下的 DS-CDMA 信号模型 |
2.3 本章小结 |
3 多用户检测技术 |
3.1 CDMA 系统引入多用户检测技术的必要性 |
3.2 传统 CDMA 检测技术 |
3.2.1 传统检测器 |
3.2.2 传统检测器的优缺点 |
3.3 多用户检测技术 |
3.3.1 多用户检测技术的原理和结构 |
3.3.2 多用户检测技术的分类 |
3.4 几种常见的多用户检测器 |
3.4.1 最佳多用户检测器 |
3.4.2 线性解相关多用户检测器 |
3.4.3 线性最小均方误差(MMSE)检测器 |
3.5 线性多用户检测器 |
3.6 多用户检测技术的优缺点 |
3.7 本章小结 |
4 盲多用户检测算法的研究 |
4.1 盲多用户检测器的信号模型 |
4.2 盲多用户检测器的典范表示 |
4.3 盲多用户检测器采用的基本算法 |
4.3.1 最小均方算法(LMS) |
4.3.2 递归最小二乘算法(RLS) |
4.3.3 基于 Kalman 滤波器的盲多用户检测 |
4.3.4 算法仿真实验 |
4.4 改进型 LMS 算法 |
4.4.1 改进型LMS 算法的提出 |
4.4.2 算法仿真实验 |
4.5 本章小结 |
5 结论 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文 |
(10)无线CDMA通信系统的多用户检测算法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.2 多用户检测技术介绍 |
1.3 多用户检测器主要优点 |
1.4 课题研究内容 |
第二章 多用户检测技术 |
2.1 多用户检测引入的必要性 |
2.2 多用户检测的发展和分类 |
2.3 多用户检测器的性能测度 |
2.4 系统模型 |
2.4.1 同步CDMA信号模型 |
2.4.2 高斯白噪声信道、异步CDMA系统 |
2.5 几种常见的多用户检测器 |
2.5.1 传统滤波器 |
2.5.2 最佳多用户检测器 |
2.5.3 次最佳多用户检测技术 |
2.6 本章小结 |
第三章 子空间盲多用户检测算法 |
3.1 子空间的方法原理 |
3.2 子空间概念 |
3.3 子空间方法表示线性多用户检测器 |
3.3.1 解相关(DEC)多用户检测器子空间表示 |
3.3.2 线性最小均方误差(LMMSE)多用户检测器子空间表示 |
3.4 基于紧缩近似投影子空间跟踪算法 |
3.4.1 算法原理 |
3.4.2 秩估计模块分析 |
3.4.3 算法的具体实现 |
3.4.4 仿真分析 |
3.5 基于正交预测逼近子空间跟踪算法 |
3.5.1 算法的基本原理 |
3.5.2 算法的具体实现 |
3.5.3 仿真分析 |
3.6 对正交预测逼近子空间跟踪算法的改进 |
3.7 本章小结 |
第四章 恒模盲多用户检测算法 |
4.1 系统模型 |
4.2 恒模多用户检测 |
4.2.1 恒模算法原理 |
4.2.2 仿真分析 |
4.3 最小二乘恒模多用户检测算法 |
4.4 线性受限最小二乘恒模多用户检测算法 |
4.4.1 算法原理 |
4.5 对线性受限最小二乘恒模算法的改进 |
4.5.1 子空间方法 |
4.5.2 算法的分析与改进 |
4.5.3 仿真分析 |
4.6 本章小结 |
第五章 空时盲多用户检测 |
5.1 使用阵列天线的必要性 |
5.2 空时多用户检测的引入 |
5.3 系统模型 |
5.4 基于LCLSCMA_sub的空时盲多用户检测算法仿真与分析 |
5.5 本章小结 |
结束语 |
参考文献 |
致谢 |
四、空时MMSE算法与解相关多用户检测器相结合的研究(论文参考文献)
- [1]扩展谱通信GLRT:联合的信道估计、均衡和符号检测[D]. 官改云. 浙江大学, 2014(06)
- [2]MIMO-OFDM系统多用户检测算法研究[D]. 王艳丽. 西安科技大学, 2010(05)
- [3]MIMO-OFDM系统中多用户检测技术的研究[D]. 何美枝. 太原理工大学, 2010(10)
- [4]CDMA多用户检测器线性统一模型与非线性改进算法研究[D]. 张东红. 西安电子科技大学, 2010(10)
- [5]MIMO检测算法研究与实现[D]. 申雅峰. 西安电子科技大学, 2010(11)
- [6]一种基于TPA-MMSE的降秩空时多用户检测算法[A]. 汪瑞,任品毅,魏莉,付瑞君. 2009通信理论与技术新发展——第十四届全国青年通信学术会议论文集, 2009
- [7]CDMA移动通信中参数估计和数据检测[D]. 陈亮辉. 解放军信息工程大学, 2009(01)
- [8]MIMO-OFDM系统的多用户检测算法研究[D]. 江婷. 南京航空航天大学, 2009(S2)
- [9]3G系统中多用户检测算法分析与研究[D]. 卢凤华. 辽宁工程技术大学, 2008(09)
- [10]无线CDMA通信系统的多用户检测算法研究[D]. 施煜. 天津大学, 2008(08)