小波神經網絡在MC—CDMA多用戶檢測技術中應用研究

梁娜 晁暉 張超

【摘要】 對多載波碼分多址（MC-CDMA）系統的干擾受限問題，提出了利用小波變換良好的時頻局部特性和神經網絡的良好自學習能力，提高多用戶檢測性能的原理。同時為解決網絡權值和參數修正進化緩慢并且容易陷入最小的問題，采用增加動量項的方法提高網絡學習效率。建立了基于小波神經網絡的多用戶檢測器并應用于MC-CDMA系統中。用MATLAB/Simulink軟件搭建仿真系統，接收端采用解相關檢測（MMSEC）和正交恢復（ORC）檢測算法。實驗表明，基于小波神經網絡的多用戶檢測技術在誤碼率（BER）性能上更接近單用戶的BER性能。

【關鍵詞】 多載波碼分多址 多用戶檢測 小波變換 神經網絡 誤碼率

一、引言

隨著移動通信系統中用戶數量和用戶需求的不斷提高，怎樣盡可能的提高移動通信系統容量一直是大家關注的重要問題之一。多載波碼分多址（MC-CDMA）系統將正交頻分復用（OFDM）與碼分多址（CDMA）結合，具有較高的頻譜效率與系統容量。眾所周知，CDMA系統是一個干擾受限系統，同樣MC-CDMA系統也是一種干擾受限系統，當通信用戶數較多時，多址干擾（MAI）成為其最主要的干擾。多用戶檢測技術（MUD）能有效抵抗多址干擾，是影響系統性能的關鍵技術之一。由于多用戶檢測問題的實質是組合優化問題，因此，人工神經網絡所具有的快速優化計算能力和大規模并行處理能力使其在多用戶檢測問題中表現出良好的前景。

二、小波神經網絡權值多用戶檢測算法的基本原理

2.1小波神經網絡算法設計原理

本文以BP神經網絡拓撲結構為基礎，把小波基函數作為隱含層節點的傳遞函數，信號前向傳播的同時誤差反向傳播的神經網絡[1]，具體算法流程如圖1。

為解決網絡權值和參數修正進化緩慢并且容易陷入最小的問題，本文采用增加動量項的方法提高網絡學習效率。

具體小波神經網絡修正過程如下：

1）計算網絡預測誤差

2）根據預測誤差e采用增加動量項的方法修正小波神經網絡權值和小波基函數系數，其中小波函數伸縮因子ak、平移因子bk以及網絡連接權重ωi，j，ωj，k。

2.2 基于小波神經網絡的多用戶檢測器

根據參考文獻[2]，本文將-（H-E）設置為小波神經網絡的連接權值矩陣W，其中H為分配給各用戶的特征波形的互相關矩陣，E為分配給各用戶的特征波形的自相關矩陣，匹配濾波器的輸出y設置為小波神經網絡的閾值向量I，各用戶發送的信息序列b設置為小波神經網絡的輸出向量v，這樣將多用戶檢測的優化問題與小波神經網絡的能量函數對應起來。其映射關系式可概括為

三、仿真結果

本文采用的小波基函數為Morlet母小波基函數，數學公式為

用訓練數據訓練小波神經網絡，網絡反復訓練100次。

假設MC-CDMA系統收發端同步，擴頻碼為31位的Hardmard碼，QPSK調制方式，用戶數為16，接收端采用MMSEC和ORC算法。

仿真流程如圖2所示。

仿真結果如下：

四、結束語

小波變換良好的時頻局部特性和神經網絡的良好自學習能力，能夠達到提高多用戶檢測性能的目標。實驗表明，基于小波神經網絡的多用戶檢測技術在誤碼率（BER）性能上更接近單用戶的BER性能。并且此算法的算法復雜度不高，在實際應用中更加占有優勢。

作者簡介

梁娜（1983-），女，河北唐山人，助教，河北工業大學碩士研究生，主要從事通信算法仿真方面的教學研究工作，nangchao1@163.com，15932562267

晁暉（1987-），女，河北唐山人，助教，中科院碩士研究生，主要從事數據處理方面的教學研究工作。

參 考 文 獻

[1]王小川，史峰.MATLAB神經網絡43個案例分析. 北京：北京航空航天大學出版社，2013：280～282

Wang X C，SHI F. MATLAB neural network analysis of 43 cases.Beijing： Beijing University of Aeronautics and Astronautics Press，2013，280～282

[2]王磊.CDMA通信系統中混沌神經網絡多用戶檢測技術的研究. 太原：太原理工大學通信與信息系統專業，2008

Wang L. CDMA Communication Systems Research Chaotic Neural Network Multi-user Detection Techniques. Taiyuan： Taiyuan University of Technology Communication and Information System Field，2008

[3]普頓.空時分組碼MC-CDMA系統中基于遺傳算法的多用戶檢測.西藏大學學報（自然科學版）[J]，2013：28（1）：88～93

Pudum. Multiuser Detection in Space-time Block Coded MC-CDMA Systems based on Genetic-Algorithm[J]. Journal of Tibet University， 2013，28（1）：88 ～93

[4]王超，曾玖貞，王彥.基于Simulink的GO-MC-CDMA系統仿真.通信技術，2012：45（5）：15～17

Wang C， Zeng J Z， Wang Y. Simulation on GO-MC-CDMA System based on Simulink. Communications Technology， 2012：45（5）：15～17

[5]王鴻斌，張立毅.基于遺傳算法優化神經網絡的多用戶檢測.計算機工程，2011：37（7）：207～209

Wang H B， Zhang L Y. Multi-user Detection Based on Genetic Algorithm Optimization Neural Network. Computer Engineering. 2011：37（7）：207～209