CDMA系统中联合功率控制技术的研究报告及仿真论文

《CDMA系统中联合功率控制技术的研究报告及仿真论文》由会员分享，可在线阅读，更多相关《CDMA系统中联合功率控制技术的研究报告及仿真论文（37页珍藏版）》请在装配图网上搜索。

1、毕业论文CDMA系统中联合功率控制技术的研究与仿真2014年4月30日总结资料CDMA系统中联合功率控制技术的研究与仿真摘要CDMA技术构建的蜂窝移动通信系统，终端用户都采用一样的频谱进展上下行链路的数据传输，每一个频谱信道都不是完全正交而是近似正交的，因而用户与用户之间存在干扰。多址干扰和远近效应是CDMA移动通信系统中需要研究解决的问题，它们直接影响系统的性能和容量，功率控制和多用户检测是解决上述问题的两项关键技术。本文主要研究将CDMA系统中的多用户检测技术联合功率控制技术,分别介绍了功率控制和多用户检测技术的原理、现状，详细介绍了CDMA系统中实现多用户联合检测的一种重要方法最小均方误

2、差（MMSE）,该算法充分利用接收到的所有信号，估计出每个用户发送信号，可以有效地消除多址干扰MAI的影响，从而具有优良的抗干扰性能。并用MATLAB对于MMSE算法进展了仿真，并对仿真结果进展了分析，最后对论文的工作进展了总结。关键词：CDMA，功率控制，多用户检测，MMSESimulationandPowerControlandmulti-userdetectionBasedonMATLABAuthor:LvLinzhenTutor:TangHailingAbstractCDMAcellularmobilemunicationtechnologytobuildthesystem,endus

3、ersusethesamefrequencyspectrumfortheuplinkanddownlinkdatatransmission,eachspectralchannelarenotpletelyorthogonalbutissubstantiallyorthogonalto,andthereforeinterferencebetweenusers.MAIandnear-fareffectisaCDMAmobilemunicationsystemproblemstobestudiedandsolved,theydirectlyaffecttheperformanceandcapacit

4、yofthesystem,powercontrolandmulti-userdetectionisthekeytechnologytosolvethesetwoproblems.ThispaperstudiestheCDMAsystem,powercontrolandmulti-userdetectionbinedintroducedtheprincipleofpowercontrolandmulti-userdetectiontechniques,aswellasadetailedbreakdownofthemodelstructure,describestheadaptivemulti-u

5、serdetectionalgorithmbasedonageneralalgorithmMVCform,aswellasamodelbasedontheformofMOEblindadaptivemultiuserdetector,detailingjointpowercontrolandreal-timemulti-userMMSEreceiverfiltercoefficientstooptimizethedetectionofcoolandtransmitpowerwithoutiterativeoptimizationalgorithm,basedonthere-Animproved

6、MMSEjointpowercontrolandadaptivemulti-userdetectionalgorithm,whichusesadaptiveiterativealgorithmtoreplacethefilterfullyupdatedinstantlyMMSEfiltercoefficientupdatealgorithm,whileusinganewmethodtoestimatetherequiredpowercontrolparametersandalgorithmexperiments,simulationresultsindicatethattheimproveda

7、lgorithmcaneffectivelyimprovethecapacityandperformanceofthesystemconvergence.Keywords:CDMA,PowerControl，Multi-userDetection，MultipleAccessInterference，MMSE目录1 绪论11.1 CDMA通信系统简介11.2 CDMA系统中功率控制与多用户检测技术研究现状21.3 多用户检测技术的研究与开展趋势22功率控制及多用户检测的关键技术52.1 功率控制的关键技术52.2 多用户检测的关键技术63MMSE多用户检测算法仿真与研究103.1 MMSE多用

8、户联合检测算法103.2 MMSE多用户检测算法性能指标113.3 MMSE多用户检测算法性能分析133.4 仿真结果及分析143.5 MMSE多用户检测的缺陷18结论19致谢20参考文献21附录221绪论1.1 CDMA通信系统简介CDMA技术起源于军事领域和导航系统，它具有强大的多址能力、优越的抗多址干扰性能和抗截获性能等优点，直到上个世纪九十年代才开场转为民用。经过实际应用发现它还可以运用于弥散信道中的通信，与频分多址FDMA和时分多址TDMA不同，CDMA可以实现在同一时间同一地点的频谱共享，从而节省了大量的频率和时隙资源。CDMA系统的主要优势： 1系统容量大：理论上，在使用一样频率

9、资源的情况下，CDMA移动网比模拟网容量大20倍，实际使用中比模拟网大10倍，比GSM要大4-5倍。 2网络绿色环保：CDMA手机是GSM手机平均发射功率的1/62，所以CDMA手机在使用时更加绿色环保。 3低功率谱密度：由于CDMA的关键技术为扩频技术，所以它的功率谱被扩展的很宽，从而功率很低。CDMA的技术特点： 1抗干扰能力强。这是扩频通信的根本特点，是所有通信方式无法比较的。 2宽带传输，抗衰落能力强。 3由于采用宽带传输，在信道中传输的有用信号的功率比干扰信号的功率低得多，因此信号好似隐蔽在噪声中；即功率谱密度比较低，有利于信号隐蔽。4利用扩频码的相关性来获取用户的信息，抗截获的能力

10、强。 5多个用户同时接收，同时发送。1.2 CDMA系统中功率控制与多用户检测技术研究现状CDMA是干扰受限系统，其容量优势以完善功率控制为前提，功率控制的精度直接影响系统的容量，因此功率控制是克制远近效应，抑制多址干扰和增加系统容量的关键技术，也成为资源分配和干扰管理的核心机制，CDMA系统中的功率控制可分为上行链路的功率控制，也称反向功控；移动台到基站、和下行链路的功率控制，也称前向功控，基站到移动台。由于下行链路的功率控制实现起来容易得多，所以CDMA功控的研究主要侧重在上行链路上1。在CDMA系统中，当通信用户数较多时，多址干扰成为最主要的干扰，不仅严重影响系统的抗干扰性，而且限制了系

11、统容量的提高，并使CDMA系统成为干扰受限系统，导致远近效应问题的出现2。多用户检测是一种从接收机端的设计入手的干扰抑制方法，通过设计有效的接收机滤波器可有效地解调出用户的信号，从而抑制多址干扰和多径干扰，并克制远近效应。传统的CDMA检测技术采用基于单用户检测的匹配滤波器，将多径干扰与多址干扰看作等效白噪声的无用信息来处理。然而实际上不管多径干扰还是多址干扰，本质上并不是纯粹无用的白噪声，而是有着强烈构造性的伪随机序列信号，多用户检测正是基于信息论中的最优信号检测理论充分利用了这些伪随机序列以及扩频码的构造信息和统计信息，从而可从本质上减弱或消除多址干扰3。多径干扰和远近效应对系统性能的影响

12、，并可降低系统对功率控制的要求。1.3 多用户检测技术的研究与开展趋势CDMA通信系统抗干扰的关键技术。传统的检测技术完全按照经典直多用户检测是第三代移动通信系统中宽带接序列扩频理论对每个用户的信号分别进展扩频码匹配处理，因而抗多址干扰能力较差，多用户检测技术在传统检测技术的根底上，充分利用造成多址干扰的所有用户信号信息对多个用户做联合检测或从接收信号中减掉相互间干扰的方法，有效地消除MAI的影响，从而具有优良的抗干扰性能。由于MAI的消除，用户在较小的信噪比下就可到达可靠的性能，单用户信噪比的降低可以直接转化为系统容量的增加，因此可以更加有除MAI的影响，从而效地利用链路频谱资源，显著提高系

13、统容量。但由于最优多用户检测算法的复杂度太高，1989年以后的研究均侧重于次优多用户检测算法。次优多用户检测可分为线性及非线性两大类。所谓线性或非线性，即是判断算法的输出是否是输入的线性变换。线性多用户检测算法主要包括解相关法和最小均方差估计法。MMSE多用户联合检测算法增加了Wiener滤波器，对ISI和MAI进展有很好的抑制作用，消弱噪声影响，增加输出信噪比，性能更优化，但是增加了算法的复杂度。所以，不利于应用在实际的CDMA系统中。但随着设备的开展，和用户对于信息准确度的要求，低复杂度的MMSE算法，也在被人们越来越多的研究和开展。word资料.2功率控制及多用户检测的关键技术2.1 功

14、率控制的关键技术功率控制分为前向功率控制和反向功率控制，反向功率控制又分为开环功率控制和闭环功率控制，闭环功率控制再细分为外环功率控制和内环功率控制。前向功率控制指基站周期性地调低其发射到用户终端的功率值，用户终端测量误帧率，当误帧率超过预定义值时，用户终端要求基站对它的发射功率增加1。每隔一定时间进展一次调整，用户终端的报告分为定期报告和门限报告4。反向功率控制在没有基站参与的时候为开环功率控制。用户终端根据它接收到的基站发射功率，用其内置的DSP数据信号处理器计算Eb/Io，进而估算出下行链路的损耗以调整自己的发射功率。开环功率控制的主要特点是不需要反应信息，因此在无线信道突然变化时，它可

15、以快速响应变化，此外，它可以对功率进展较大X围的调整。开环功率控制不够准确，这是因为开环功控的衰落估计准确度是建立在上行链路和下行链路具有一致的衰落情况下的，但是由于频率双工FDD模式中，上下行链路的频段相差190MHz,远远大于信号的相关带宽，所以上行和下行链路的信道衰落情况是完全不相关的，这导致开环功率控制的准确度不会很高，只能起到粗略控制的作用。WCDMA协议中要求开环功率控制的控制方差在10dB内就可以承受。反向功率控制在有基站参与的时候为闭环功率控制。其过程是基站对接收到的用户终端反向开环功率估算值作出调整，以便使用户终端保持最理想的发射功率。功率控制的实现是在业务信道帧中插入功率控

16、制比特，插入速率可达1.6Kbs，这样可有效跟踪快衰落的影响。其中“0比特指示用户终端增加发射功率；“1比特指示用户终端减少发射功率。闭环功率控制的调整永远落后于测量时的状态值，如果在这段时问内通信环境发生大的变化，有可能导致闭环的崩溃，所以功率控制的反应延时不能太长，一般的意见是由通信本端的某一时隙产生的功率控制命令应该在两个时隙内回馈。闭环功率控制由内环功率控制和外环功率控制两局部组成。在信噪比测量中，很难准确测量信噪比的绝对值。且信噪比与误码率（误块率）的关系随环境的变化而变化，是非线性的。比方，在一种多径传播环境时，要求百分之一的误块率BLER，信噪比SIR是5dB,在另一种多径环境下

17、，同样要求百分之一的误块率，可能需要5.5dB信噪比。而最终接入网提供应NAS的效劳中QoS表征量为BLER，而非SIR，业务质量主要通过误块率来确定的，二者是直接的关系，而业务质量与信噪比之间那么是间接的关系。所以在采用内环功控的同时还需要外环功控5。2.2 多用户检测的关键技术基站中多用户检测方法。由于基站知道所有用户的特征码，考虑到算法复杂度之后，基站中的多址干扰抑制方法选择针对多用户的多用户检测方法。下面分别介绍基站中的典型多用户检测方法6。 1最优多用户检测法最优多用户检测法，即最大似然序列估计方法，1986年由Verdu提出7。该算法的复杂度随着用户数成指数增加，当用户数大于9时，

18、是不可行的。最优多用户检测法提供了性能改善的极限值。 2线性准最优多用户检测法由于最优多用户检测法的复杂度太高，1989年以后的研究均侧重于准最优多用户检测法。准最优多用户检测可分为线性及非线性两大类。所谓线性或非线性，即是判断算法的输出是否是输入的线性变换。线性多用户检测算法主要包括去相关法和最小均方估计法8。去相关法及MMSE法的复杂度均随用户数线性增长，其中去相关法不需估计各用户的幅度，具有较好的抗远近效应能力，而MMSE法需估计各用户的幅度，抗远近效应能力不如去相关法，但去相关法对信道噪声有放大作用，MMSE法那么没有。当信噪比较大时，使用去相关法较好；当信噪比较小进，易于使用MMSE

19、法。去相关性及MMSE法均需对互相关矩阵求逆，当用户数很多时，使用去相关法及MMSE法的复杂度还是太大。为此Moshavi等人提出了矩阵求逆的多项式分解法，只取多项式的前几项代替整个逆阵，从而化简求逆的复杂度9。 3非线性准最优多用户检测法由于线性多用户检测法复杂度高，收敛慢，从可实现性角度考虑的研究方向主要集中于非线性多用户检测方法。非线性多用户检测方法主要有多级型、判决反应型、神经网络等几种方法。多级型多用户检测算法，根据每一级各用户的检测形式不同，又可划分很多形式。假设每一级各用户并行的采用匹配滤波器或相关器检测，这就是传统的并行干扰对消算法。假设每一级的每个用户，根据信号强度的大小，采

20、用串行的匹配滤波或相关检测的方法，这就是所谓的串行干扰对消算法10。判决反应多用户检测算法，有与多级型算法类似的种类。从本质上看，判决反应多用户检测算法等价于多级型算法。从构造上来看，判决反应法将多级型方法采用循环的方式一级来完成，通过对一级的屡次循环，完成多级型一样的功能。从实现上来看，判决反应多用户检测算法比多级型算法需要更多的存储空间。多用户检测从本质上看，是一个组合优化问题。因而，所有解决组合优化的算法原那么均可适用于多用户检测9。其中基于神经网络的解组合优化问题当然可以适合多用户检测。2.3MATLAB简介MATLAB是矩阵实验室MatrixLaboratory的简称，是美国Math

21、Works公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大局部。MATLAB的应用X围非常广，包括信号和图像处理、通讯、控制系统设计、测试和测量、财务建模和分析以及计算生物学等众多应用领域。附加的工具箱单独提供的专用MATLAB函数集扩展了MATLAB环境，以解决这些应用领域内特定类型的问题。MATLAB提供了很多用于记录和分享工作成果的功能。可以将的MATLAB代码与其他语言和应用程序集成，来分发MATLAB算法和应用。MATLAB的根本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相

22、似，故用MATLAB来解算问题要比用C，FORTRAN等语言完成一样的事情简捷得多，并且MathWorks也吸收了像Maple等软件的优点，使MATLAB成为一个强大的数学软件。在新的版本中也参加了对C，FORTRAN，C+，JAVA的支持。可以直接调用，用户也可以将自己编写的实用程序导入到MATLAB函数库中方便自己以后调用，此外许多的MATLAB爱好者都编写了一些经典的程序，用户可以直接进展下载就可以用。MATLAB语言支持向量和矩阵运算，这些运算是工程和科学问题的根底。这样使得开发和运行的速度非常快。使用MATLAB语言，编程和开发算法的速度较使用传统语言大大提高，这是因为无须执行诸如声

23、明变量、指定数据类型以及分配内存等低级管理任务。在很多情况下，MATLAB无须使用for”循环。因此，一行MATLAB代码经常等效于几行C或C+代码。同时，MATLAB还提供了传统编程语言的所有功能，包括算法运算符、流控制、数据构造、数据类型、面向对象编程OOP以及调试功能。MATLAB提供一个开放式可扩展的设计和仿真环境，并具有指向第三方硬件和软件联合仿真目标的用于验证VHDL软件。具有如下特点的设计和仿真环境下工作： 1能够提供算法开发和架构研究的全套工具 2能够让射频、基带、控件及模拟完成设计。 3能够促进遗产代码与第三方硬件和软件联合仿真环境的集成 4支持通过重用整个设计周期内的模型和

24、算法来进展早期验证通过将不同领域的模型和算法融合到同一个环境中，能在设计流程早期检测到错误并轻松开发出备选体系构造和算法。可以使用标准信道模型和大型通信函数库进展设计，并使用相关产品对非理想混频器、非线性放大器和电路设备的影响进展建模从而反映真实世界的射频效应。在同一个环境中，可以对控制和模式逻辑建模，来表示对信道条件变化作出响应的动态通信系统，执行信号预识别并控制高层的MAC层和链路层。在较高级别的抽象中，除了能够捕获MATLAB算法的文字信息外，还能以图像形式捕获基于事件系统的行为。可以随时对有限状态机进展建模并针对系统和网络开发出基于事件的模型，从而对系统参数如拥塞、资源冲突和处理延迟进

25、展评估。3MMSE多用户检测算法仿真与研究3.1MMSE多用户联合检测算法线性MMSE检测的根本思想是在抑制干扰和提高噪声功率之间取得折中，从而大大改善了解相关检测所带来的增大高斯噪声功率的负作用。其目标是让输出的均方误差最小，因此当噪声比较大时，可通过增大一定的剩余多址干扰的代价来降低噪声。当扩频增益0时，MMSE检测器与解相关检测器是一致的，它具有与解相关检测器一样的渐近效率。一个用户数为K的同步二进制DS-CDMA基带通信系统，经过加性高斯白噪声AWGN信道后，发送信号Sk带上噪声，当接收端接收天线接收信号的系统模型为：Ke(m)S(k)h(k，m)n(m)3.1k1此时，根据多用户联合

26、检测技术的原理，在基站接收到的信号线性评估技术的实现方法是通过寻找每个k用户的线性变换值，并转变成使得均方误差最小值。最小均方误差算法是将接收信号矢量视为每位用户信号噪声之和，利用运用最小均方误差准那么，2-使Edd|0得到用户数据序列的连续估计值：c,MMSEBLE,如*T1如-11如*。1dmmsebleARARdARne*T1111*T111*T1IRdATRn1A1,ATRn1A1ATRn1e3.2W0*dZFBLE一，_*T-*t1111一一其中RdEd,d是数据的协万差矩阵；W0IRdARA表小Wiener估计器；。dZFBLE是迫零线性算法的估计值。当噪声n为加性高斯白噪声时Rd

27、2IM(NQW1)M(NQW1),2表示噪声功率。对发送数据进展归一化，我们得到RdIknkno在此条件下，式32分别简化为：*T,2.1，*T-dMIMSEBLE21n,AAIAe3.3RII,RdI经分析式(3.3)可知总系统矩阵A为带状矩阵，因此，式(3.3问以进一步简化为M1dMMSEble2A(m)TA(m)2iaTe(3.4)RnI,RdIm13.2MMSE多用户检测算法性能指标在多用户检测器性能评价中有三个最重要的指标：误码率、渐进有效性和抗远近效应能力1误码率大多数通信系统的根本目标都是减少误码率。在多用户检测中，最关心的性能指标是检测器在高信噪比X围内的误码率。假定在加性高斯

28、白噪声信道中只有一个用户信道噪声方差为2 0该单用户的误码率定义为:PU()QE2(3.5)其中，下标su表小单用户系统,Q(x)-1- exp-d2 x 2为Q函数。由上式可以看出，当存在干扰用户时，系统的误码率会增大，这时需要用期望用户的有效能量e()来代替实际能量Eio多用户系统中期望用户的误码率定义为:P,mu()Q(3.6)其中，下标su表示多用户系统，e()为第i个用户的有效能量，它表示第i个用户到达单用户系统误码率时所需的能量11。2渐进有效性多址干扰的存在会引起检测器性能的降低，这一性能损失常用渐进多用户有效性来衡量。渐进多用户有效性是Verdu于1986年引入的，它是衡量干扰

29、用户对期望用户误码率影响的测度，又称渐进有效性12。多用户有效性定义为多用户系统到达单用户系统一样误码率所需能量与单用户系统所需能量之比，即i()e (3.7)Ei噪声方差趋于零时，多用户有效性的极限称为第i个用户的渐进有效性，记做ilim0e()Eisup 01,lim0 QPi()0 (3.8)rEi2logP()其中，sup表示上确界。渐进有效性i()的取值在0和1之间。渐进有效性表示由于多址干扰的存在所引起的系统性能的降低。由上式可以看出，在系统背景噪声0,但误码率P()并不趋于零的情况下，渐进有效性i0,这说明，在没有任何背景噪声的情况下，单用户匹配滤波器存在非零的误码率越大，系统抑

30、制多址干扰的能力越强虽然渐进有效性和低噪声误码率是两个等价的性能测度，但渐进有效性具有以下优点：容易被分析，对特定的检测器得到显示表达。3抗远近效应能力接收功率不相等会引起远近效应，接收功率弱的用户会被接收功率强的用户淹没。因此，要求多用户检测器具有抑制远近效应的能力。多用户检测器抗远近效应能力取决于码分多址通信系统采用的扩频码的波形和系统的解调器13。抗远近效应能力定义为在所有有关用户能量X围内测量到的最坏情况下的渐进性，即二infi(3.9)Ej.j0其中，inf表示下确界。当抗远近能力不为零时，接收机性能可以等效于单用户环境下的恶化的传统接收机恶化是指多用户环境下的以一定信噪比工作的接收

31、机与单用户环境下的以更低的信噪比工作的传统接收机有一样的误码率。这意味着不管干扰用户的功率有多大，接收机的性能都不低于一定值，也就是说具有抗远近效应的能力。当抗远近效应能力为零时，即使信道背景噪声为零，也会由于干扰用户的存在产生误判，而且干扰用户功率越太时，目标用户的信息越无法可靠解调。3.3 MMSE多用户检测算法性能分析通信系统中，MMSE多用户检测算法具有以下优点：1是消除或减弱在CDMA多径干扰的有效手段；2是消除或减弱多址干扰的有效手段;3是消除或减弱远近效应的有效手段；4简化功率控制，降低功率控制精度；5改善系统性能、提高系统容量、增大小区覆盖X围；多用户检测器的主要缺点：1大大增

32、加系统设备的复杂度；2增加系统延时，特别是当采用自适应算法并对于扩频码较长的系统更是如此；3多用户检测一般需要知道用户扩频码的主要特征参量，这对于实际的多径时变信道那么是一件不容易的事，它需要通过不停的信道估计来实现，而且估计的精度将直接影响多用户检测器的性能。总的来说，MMSE算法是基于迫零线性算法的之上，在迫零线性算法上参加了Wiener估计器，所以MMSE克制了迫零线性算法的弱噪声条件特性，在一定程度上对码问干扰ISI，MAI和噪声进展了解相关，减弱了噪声影响，增加了输出信噪比，性能更优3.4 仿真结果及分析CDMA功率控制系统是MMSE算法应用的环境，所以仿真必须要准确的描述系统的模型

33、。图3.1是一个CDMA系统的简易模型。用户信号被送入发射器之前，需要经过扩频序列进展直接扩频，之后才送入发射器通过天线发射。在空中经过信道传输到接收器天线，以为在传输过程中有噪声的干扰，和用户之间的多径干扰图3.1CDMA系统模型在接收机接收到信号后，对于接收天线和信道进展综合分析得出信道增益，要对信号进展MMSE算法的联合监测，这就是本文的重点。仿真参数设置如下，MMSE算法的仿真主要分成以下几个局部：1A天线的系统矩阵的生成2e天线接收矩阵的生成3应用式（3.4派出信号的连续估计值dmmsebleMMSE算法的参数设置：表3.1MMSE仿真参数表参数名称取值X围每个用户的符号总数N100

34、扩频增益长度Lc16观察窗长W16信噪比SNR0:2:10MMSE算法仿真流程图:图3.2MMSE算法仿真流程图仿真结果及分析:图3.3MMSE与传统多用户检测仿真图（MMSE-%录）图3.4解相关多用户与MMSE用户检测仿真图（MMSE-绿）本文对与MMSE多用户联合检测算法进展了MATLAB仿真测试，测试共分为二种情况。仿真主要测试，在一样的条件的情况下传统多用户的误码率，解相关多用户的误码率,MMSE多用户的误码率曲线的比照。如图3.3所示，得出了以下结论：当信噪比SNR一样的条件下，使用MMSE算法的误码率要比传统多用户算法的误码率低，当信噪比到达一定的数值后，误码率趋于不变。同时，M

35、MSE的抗远近效应能力要优于传统多用户检测算法。如图3.4所示，得到了以下结论：一样的信噪比条件下，MMSE的误码率要高于解相关多用户的误码率。但是，误码率到达一定的值后，解相多用户算法的信噪比不能再提高。但MMSE的抗远近效应能力要低于解相关多用户算法。3.5 MMSE多用户检测的缺陷MMSE检测器的主要缺陷在于它需要估计接收信号的强度，对估计误差比较敏感另外，它的性能依赖于干扰用户的功率。因此与解相关检测器相比，MMSE检测的抗远MMSE近效应能力有所损失。由于扩频码不可能是无限长的，因而扩频码不可能做到完全的正交，所以的算法性能是随用户数量增加而降低。结论多址干扰和远近效应是CDMA移动

36、通信系统中亟需研究解决的问题，直接影响系统的性能和容量。功率控制和多用户检测是解决上述问题的两项关键技术，传统的检测技术完全按照经典直多用户检测是第三代移动通信系统中宽带接序列扩频理论对每个用户的信号分别进展扩频码匹配处理，因而抗多址干扰能力较差，多用户检测技术在传统检测技术的根底上，充分利用造成多址干扰的所有用户信号信息对多个用户做联合检测或从接收信号中减掉相互间干扰的方法，有效地消除MAI的影响，从而具有优良的抗干扰性能。由于MAI的消除，用户在较小的信噪比下就可到达可靠的性能，单用户信噪比的降低可以直接转化为系统容量的增加，因此可以更加有除MAI的影响，从而效地利用链路频谱资源，显著提高

37、系统容量。但由于最优多用户检测算法的复杂度太高，1989年以后的研究均侧重于次优多用户检测算法。次优多用户检测可分为线性及非线性两大类。所谓线性或非线性，即是判断算法的输出是否是输入的线性变换。线性多用户检测算法主要包括解相关法和最小均方差估计法。MMSE多用户联合检测算法增加了Wiener滤波器，对ISI和MAI进展有很好的抑制作用，消弱噪声影响，增加输出信噪比，性能更优化，但是增加了算法的复杂度。所以，不利于应用在实际的CDMA系统中。但随着设备的开展，和用户对于信息准确度的要求，低复杂度的MMSE算法，也在被人们越来越多的研究和开展。致谢非常感谢唐海玲教师，唐海玲教师在我大学的最后学习阶

38、段毕业论文阶段给自己的指导，从最初的定题，到资料收集，到写作、修改，到论文定稿，她给了我耐心的指导和无私的帮助。为了指导我们的毕业论文，她放弃了自己的休息时间，她的这种无私奉献的敬业精神令人钦佩，唐教师对学科前沿的敏锐把握能力、严谨的治学态度和丰富的实践经历以及一丝不苟的工作作风，使我受益匪浅。无论是在平时学习阶段，还是在论文写作过程中，唐教师对我的教导和对我在做论文时各方面的支持，我会永远记在心里。她严谨的工作作风和治学态度，深刻地影响着我，是我今后学习和工作的楷模。在此我向唐教师表示我诚挚的谢意。正是由于他们，我才能在各方面取得显著的进步，在此向他们表示我由衷的谢意，并祝所有的教师培养出越

39、来越多的优秀人才，桃李满天下！参考文献1竺南直，肖辉,X景波.码分多址M.:电子工业，1999.2王秉钧,窦XX,X广森.通信原理及其应用M.XX:XX大学,2000.3吴伟陵.移动通信系统中的关键技术M.:邮电大学,2000.4 X贤达，保铮.通信信号处理M.:国防工业,2000.5 陈晓晨,李喆.TD-SCDMA中的智能天线技术J.2006,(7),75-77.6 X洋,李燕.TD-SCDMA系统与标准演进技术J.2007,(11),19-22.7胡寿松.自动控制原理M.:科学.2001.8 BlomJ,GunnarssonF.Powercontrolincellularradiosyst

40、ems,LicenciateThesis:LinkopingUniversity,1998.9 MadhowU.BlindadaptiveinterferencfordirectsequenceCDMA.InProc.IEEE,1998,86(10),2049-2069.10 VerduS,Multiuserdetection.AdvancesinStatisticalSignalProcessing.1993,2,369-409.11李世鹤.TD-SCDMA第三代移动通信系统标准M.:人民邮电,2003.12 CooperG.R,NettletonR.W.Aspread-spectrumte

41、chniqueforhigh-capacitymobilemunications,IEEETransactionsonVehicularTechnology,1978,27(4),263-275.13 HuiJ.Y.N.Throughoutanalysisforcodedivisionmultipleaccessingforthespreadpectrumchannel,IEEEJournalonSelectedAreasinmunications,1984,2(4),482-486.附录echoonLc=16;A2=7;w0=1;PN1=1-1-1-11111-11111-1-111-111

42、-11-1-1-1-111111;PN2=1-1111-1-1-11-11-11-1-1-11-1-111111-1-111-1-1-1;PN3=-1-1-111-11-11111111-11-1-1-1-1-111111-1111;PN4=11-1-11-11111-11-11-111-1-1-111-111-1-1-1-1-1-1;R12=sum(PN1.*PN2)/Lc;R13=sum(PN1.*PN3)/Lc;R14=sum(PN1.*PN4)/Lc;R23=sum(PN2.*PN3)/Lc;R24=sum(PN2.*PN4)/Lc;R34=sum(PN3.*PN4)/Lc;R=1R1

43、2R13R14;R121R23R24;R13R231R34;R14R24R341;snrindb=0:2:16;fori=1:length(snrindb),err_prbsgl(i),err_prbmul(i),err_prbmuldecorr(i),err_mmse(i)=ss_pemmse(snrindb(i),R,PN1,PN2,PN3,PN4);end;semilogy(snrindb,err_prbsg-l,b);holdonsemilogy(snrindb,err_prbmul-,y);holdonsemilogy(snrindb,err_prbmuldecorr-,r);hol

44、donsemilogy(snrindb,err_mmse-g,);functionp1,p,Pd,Pmmse=ss_pemmse(snrindb,R,PN1,PN2,PN3,PN4)Lc=31;M=7;w0=1;snr=10A(snrindb/10);sgma=1;Eb=2*sgmaA2*snr;N01=2*sgma;E_chip=Eb/Lc;S=inv(R);N=10000;numoferr1=0;numoferr=0;numoferrofde=0;numoferrmmse=0;fori=1:N,temp=rand;if(temp0.5),data1=-1;elsedata1=1;end;f

45、orj=1:Lc,repeated_data1(j)=data1;end;temp=rand;if(temp0.5),data2=-1;elsedata2=1;end;forj=1:Lc,repeated_data2(j)=data2;end;temp=rand;if(temp0.5),data3=-1;elsedata3=1;end;forj=1:Lc,repeated_data3(j)=data3;end;temp=rand;if(temp0.5),data4=-1;elsedata4=1;end;forj=1:Lc,repeated_data4(j)=data4;end;A1=rand;

46、A2=rand;A3=rand;A4=rand;A=A1000;0A200;00A30;000A4;tran_seq1=A1*sqrt(E_chip)*repeated_data1.*PN1;tran_seq2=A2*sqrt(E_chip)*repeated_data2.*PN2;tran_seq3=A3*sqrt(E_chip)*repeated_data3.*PN3;tran_seq4=A4*sqrt(E_chip)*repeated_data3.*PN4;trans_sig=tran_seq1+tran_seq2+tran_seq3+tran_seq4;noise=sgma*rand(

47、1,Lc);n=(i-1)*Lc+1:i*Lc;interference=0.25*M*sin(w0*n);N02=(0.25*M)A2/2;N0=(N01+N02)/2;A=A1000;0A200;00A30;000A4;Lmmse=inv(R+N0*inv(A)*inv(A);nr=A1*(noise+interference);rec_sig1=tran_seq1+nr;rec_sig=trans_sig+nr;Y 1=sum(rec_sig.*PN1)/Lc;Y 2=sum(rec_sig.*PN2)/Lc;Y3=sum(rec_sig.*PN3)/Lc;Y4=sum(rec_sig.

48、*PN4)/Lc;Y =Y1Y2Y3Y4;dataout1=1000*(S*Y);datammse=1000*(Lmmse*Y);temp1=rec_sig1.*PN1;decision_variable1=sum(temp1)/Lc;temp=rec_sig.*PN1;decision_variable=sum(temp)/Lc;dataout=dataout1;if(decision_variable10)decision1=-1;elsedecision1=1;end;if(decision_variable0),decision=-1;elsedecision=1;end;if(dat

49、aout0),decisionofde=-1;elsedecisionofde=1;end;if(datammse0),decisionmmse=-1;elsedecisionmmse=1;end;if(decision1=data1),numoferr1=numoferr1+1;end;if(decision=data1),numoferr=numoferr+1;end;if(decisionofde=data1),numoferrofde=numoferrofde+1;end;if(decisionmmse=data1),numoferrmmse=numoferrmmse+1;end;end;p1=numoferr1/N;p=numoferr/N;Pd=numoferrofde/N;Pmmse=numoferrmmse/N;