基于群智能算法的UWB多用户检测

论文摘要

超宽带通信技术,是一种使用超宽的带宽、通过微弱的脉冲信号进行通信的无线技术。目前,由于其设备结构简单、极高的数据传输速率,以及功耗少、抗多径干扰能力强等优点已成为通信领域的一个重要发展方向。而多用户检测技术作为超宽带通信系统的关键技术之一,具有很重要的研究意义。多用户检测也可以看作是一个具有NP(Nondeterminstic Polynomial)复杂度的组合优化问题,因此可以将有效解决这类问题的智能优化算法应用于此。本文的主要研究内容是超宽带通信系统中的多用户检测技术。多用户检测技术具有极好的抗多址干扰和良好的抗远近效应的作用,还能够提高系统性能、增加系统容量。本文首先在理论上,从性能和计算复杂度等方面对跳时超宽带系统中的几种多用户检测算法进行了比较研究,并通过计算机仿真对比了它们的误码率。在文章的第四章,对群智能算法(主要是粒子群算法),进行了理论研究和仿真分析,针对传统的离散粒子群优化算法后期容易陷入局部收敛这一缺点,提出了一种新的离散粒子群算法,并将其应用到背包问题中证明其可行性。本文最后将群智能算法应用到超宽带多用户检测中,将其与其它算法进行比较,并通过计算机仿真对比了它们的误码率。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题研究背景及意义
• 1.2 国内外相关研究情况
• 1.3 超宽带多用户检测技术面临的挑战及发展方向
• 1.4 论文的主要工作
• 第2章 UWB通信系统的基础
• 2.1 UWB通信系统的基本原理
• 2.2 UWB信号模型
• 2.2.1 跳时超宽带信号模型
• 2.2.2 直接序列超宽带信号模型
• 2.2.3 多频带超宽带信号模型
• 2.3 超宽带的主要特点及应用
• 2.4 本章小结
• 第3章 UWB多用户检测算法研究
• 3.1 多用户检测技术概述
• 3.2 多用户检测技术的特点
• 3.3 单用户系统的接收与检测
• 3.4 多用户检测技术
• 3.4.1 传统匹配滤波多用户检测算法
• 3.4.2 最优多用户检测算法
• 3.5 仿真结果与分析
• 3.6 本章小结
• 第4章 群智能算法
• 4.1 群智能算法简介
• 4.2 蚁群优化算法
• 4.2.1 蚁群优化算法的基本原理
• 4.2.2 蚁群优化算法的应用研究现状
• 4.3 粒子群优化算法
• 4.3.1 粒子群优化算法的基本原理
• 4.3.2 粒子群优化算法的参数分析
• 4.4 人工鱼群算法
• 4.4.1 人工鱼群算法的基本原理
• 4.4.2 人工鱼群算法的应用
• 4.5 改进的粒子群算法
• 4.5.1 改进的粒子群算法求解背包问题
• 4.5.2 仿真结果与分析
• 4.6 本章小结
• 第5章 群智能算法在UWB多用户检测中的应用
• 5.1 基于离散粒子群优化算法（DPSO）的UWB多用户检测
• 5.2 基于人工鱼群算法（AFSA）的UWB多用户检测
• 5.3 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢