一種新型的基干ＩＣＡ的盲源分離的多用戶檢測算法

摘要：提出一種基于獨立的成份分析(ICA)的多用戶檢測方案，獨立的成分分析只依靠對信號源獨立性和非高斯性的假設，與傳統獨立成分分析方法相比更具靈活性和魯棒性，實現了目標用戶信號的提取。仿真實驗表明，該算法的誤碼率性能在用戶數量增大和遠近效應嚴重的情況下都能較為理想地實現檢測功能。

關鍵詞：碼分多址；獨立分量分析；匹配濾波；盲多用戶檢測

中圖分類號：TN911

文獻標識碼：B

文章編號：1004—373X(2008)04—124—02

傳統的CDMA檢測器分別對每個用戶進行擴頻碼的相關運算，這種做法沒有考慮多址干擾和普通白噪聲的差異。多用戶檢測技術是引用信息論并通過嚴格的理論分析后提出的一種新型抗多址技術，而且通過多用戶檢測可以實現一箭三雕的作用，既可以抗多址干擾，又可以抵抗遠近效應和多徑干擾。信道估計算法需要訓練序列使接收端的參數調整到理想狀態，而本文提出的基于ICA的多用戶檢測算法不需要訓練序列，是利用下行信道的固有特點，用盲源分離法估計出多徑信道的卷積矩陣，從而從中提取出信道的延遲信息。仿真實驗結果證明這種方法在節省頻譜資源的同時取得較好的估計效果，使得傳統的接收機的誤碼性能得到很大的提高。基于ICA后處理的匹配濾波多用戶檢測是用傳統的檢測器的輸出來初始化ICA的迭代，他不但充分利用多用戶信號的已知信息，克服了ICA的不確定性問題，同時也充分利用了多用戶信號的統計獨立性。

1 系統模型分析

單用戶檢測(ICA)是一種在信號源和傳輸信道幾乎完全未知的情況下的方法。由于其輸出信號彼此獨立并具有相同的能量，所以將ICA引入多用戶檢測可在很大程度上抑制遠近效應，針對ICA的輸入無噪的要求，引入子空間分解對信號進行預處理，只保留信號子空間。下面將結合系統模型圖，用重建核希爾伯特空間(RKHS)內的非線性函數作為對比函數，將信號從低維空間映射到高維空間利用用戶擴頻碼作為ICA解混矩陣初始值，簡單地實現目標信號的提取。該種方法的模型圖如圖l所示：

式中所描述的算法其實是自適應多用戶檢測器的算法的一般實現形式。從式中可以看出，由于估計信號b₁是未知的，因此需要使用訓練序列，而誤差信號e₁(n)則取濾波器輸出與存儲的已知發射序列復制(即訓練序列)的差，在訓練之后，系數便可以被鎖定。

2 仿真實驗

仿真實驗當中根據不同的信噪比選取閉值THR，閡值R選取如圖2所示。

仿真中假設傳輸路徑個數為3，每個用戶信號功率以及鏈路增益服從零均值正態分布，所用的擴頻碼為碼長為31的gold序列，信道延遲最大不超過15，并且是隨機分布的，信噪比的變化范圍為10～30 dB，用戶數分別為4，8，12，仿真時觀察符號個數為N一300，針對傳統的檢測算法和設計出的基于CIA的檢測算法，在每種情況分別進行20次實驗，得到的信道時間信息獲取概率如圖3所示。

比較圖(a)和(b)，可以看出本文的方法與傳統的基于匹配濾波方法相比獲得了更好的好估計效果，延遲信息獲取的準確率得到很大的提高，特別是隨著用戶數的增大，本文提出方法具有很好的穩健性，即隨著用戶數的增大，時間獲取的準確率不會急劇下降。

用本文提出的方法對下行信道延遲進行估計以后，再用傳統匹配濾波器的方法分別對接收信號進行線性檢測，將檢測的結果與沒有用本文方法進行信道估計的檢測結果進行比較，為了驗證采用本文提出的方法進行延遲估計對傳統檢測方法的性能改善，針對若干個用戶的小區進行仿真實驗，實驗結果表明本文所提出的隨機盲自適應算法一般自適應算法收斂速度快，而極限值卻小得多，說明本文所提出的算法可有效地提高多用戶檢測器的收斂速度，從而提高系統的性能。

3 結 語

以上介紹了改進的多用戶檢測盲自適應梯度算法及其與盲自適應梯度算法比較的仿真結果。實驗結果表明，本文改進的算法在時變環境下具有更好的性能，他既具有較快的收斂特性，又保持了較好的跟蹤能力，同時維持在低的算法復雜度。當然，如何將算法與實際系統相結合還有待于進一步深入研究。