[發明專利]基于免疫動態調整的徑向基函數網絡多用戶檢測方法

無效

• 申請號: 200810040448.0
• 申請日: 2008-07-10
• 公開（公告）號: CN101316117A
• 公開（公告）日: 2008-12-03
• 發明（設計）人: 常成;宮新保;臧小剛;凌小峰
• 申請（專利權）人: 上海交通大學
• 主分類號: H04B1/707
• 分類號: H04B1/707;H04L1/00
• 代理公司: 上海交達專利事務所
• 代理人: 王錫麟;王桂忠

技術領域

本發明涉及一種無線通信信號處理技術領域的檢測方法，具體是一種針對碼分多址(CDMA)系統的基于免疫動態調整的徑向基函數網絡多用戶檢測方法。

背景技術

大用戶量的多用戶通信是未來寬帶高速多媒體移動通信的基本通信形態，是3G及更新一代移動通信的主要方式。碼分多址(CDMA)技術是其關鍵技術之一，它能滿足高容量、低成本、高效率的移動通信的需求。但是由于系統中存在多址干擾和遠近效應的問題，系統的容量和性能受到很大影響。多用戶檢測技術通過對多個用戶作聯合檢測或從接收信號中減去相互間的干擾，從而有效消除多址干擾，改善系統性能，提高系統容量。但是在實際工程應用中，最優多用戶檢測器的求解復雜度是用戶數的指數函數，隨著用戶數的增加和信道環境的變化，求解最佳多用戶檢測器將是一個非確定的多項式可解決(NP)問題。

徑向基函數(RBF)神經網絡具有分布式計算、局部逼近、局部調整的能力，其核函數中的指數函數項所帶來的強大的非線性擬合能力保證了網絡的大規模并行處理和最佳逼近的能力，可以用于逼近最佳多用戶檢測器。RBF多戶檢測器利用RBF網絡強大的分類能力對當前用戶的信息進行區分和匹配，從而實現多用戶檢測功能。目前針對CDMA系統的RBF多戶檢測器的靜態訓練方法研究得較為普遍，在線動態訓練方法通常采用聚類算法、高斯梯度下降法及其相關的改進方法，其性能與最佳多用戶檢測器存在很大的差距。

經對現有技術文獻的檢索發現，Kyun?Byoung?Ko在2001年《IEEE?Transactionson?Neural?Networks》(IEEE《神經網絡》期刊)(2001，VOL.12，NO.6，pp：1536-1539)上發表的“RBF?Multiuser?Detector?With?Channel?Estimation?Capability?ina?Synchronous?MC-CDMA?System”(同步碼分多址系統中具有信道估計能力的RBF多用戶檢測器)提出采用有監督的聚類算法來動態訓練RBF網絡以完成對CDMA通信系統的多用戶檢測工作。但該方法本質上屬于線性方法，在非線性程度較高的CDMA多用戶檢測中，系統性能往往不佳。公茂果等在2005年《Proceedings?of?theGenetic?and?Evolutionary?Computation?Conference》(國際遺傳及進化算法會議)(2005：2105-2111)上發表的“An?Artificial?Immune?System?Algorithm?forCDMA?Multiuser?Detection?over?Multi-Path?Channels”(人工免疫系統算法用于多徑信道的CDMA多用戶檢測)提出使用免疫算法原理實現CDMA系統的多用戶檢測，其核心操作主要是針對靜態信道環境和用戶數不發生變化的情況，因此不能真正實現對于動態信道環境和用戶數實時變化情況下的CDMA多用戶檢測工作。

發明內容

本發明針對現有技術的不足，提出了一種基于免疫動態調整的徑向基函數網絡多用戶檢測方法。該方法采用免疫機制動態地確定RBF多用戶檢測器的非線性參數，從而盡可能在較短的時間內有效的逼近最優多用戶檢測器，提高多用戶檢測器的實時性和魯棒性，解決動態環境下經典多用戶檢測器不易收斂到全局最優點、不適合大用戶量的多用戶通信的問題。

本發明是通過如下技術方案實現的，包括以下具體步驟：

步驟一，在發射部分發送信源數據包的間隙發送已知訓練數據。在接收部分，根據訓練數據調整RBF多用戶檢測器的輸出權值，判斷CDMA系統的用戶環境是否發生改變，并確定是否繼續進行RBF多用戶檢測器隱層參數的調整。

所述判斷CDMA系統的用戶環境是否發生改變，是指：根據訓練數據調整輸出權值之后，計算RBF多用戶檢測器對訓練數據的誤差，當誤差超過預先設定的閾值時，說明信道環境或者用戶接入情況發生了較大變化，RBF多用戶檢測器的隱層參數需要進一步調整，進入步驟二；否則RBF多用戶檢測器的參數不需要調整，回到正常的數據接收狀態。

步驟二，若步驟一判斷RBF多用戶檢測器的隱層參數需要調整，針對訓練數據中誤差大的樣本點，對RBF多用戶檢測器的隱層進行初步調整，實現對于CDMA最佳多用戶檢測器的粗逼近。