小波神经网络在MC—CDMA多用户检测技术中应用研究

梁娜 晁晖 张超

【摘要】 对多载波码分多址（MC-CDMA）系统的干扰受限问题，提出了利用小波变换良好的时频局部特性和神经网络的良好自学习能力，提高多用户检测性能的原理。同时为解决网络权值和参数修正进化缓慢并且容易陷入最小的问题，采用增加动量项的方法提高网络学习效率。建立了基于小波神经网络的多用户检测器并应用于MC-CDMA系统中。用MATLAB/Simulink软件搭建仿真系统，接收端采用解相关检测（MMSEC）和正交恢复（ORC）检测算法。实验表明，基于小波神经网络的多用户检测技术在误码率（BER）性能上更接近单用户的BER性能。

【关键词】 多载波码分多址 多用户检测 小波变换 神经网络 误码率

一、引言

随着移动通信系统中用户数量和用户需求的不断提高，怎样尽可能的提高移动通信系统容量一直是大家关注的重要问题之一。多载波码分多址（MC-CDMA）系统将正交频分复用（OFDM）与码分多址（CDMA）结合，具有较高的频谱效率与系统容量。众所周知，CDMA系统是一个干扰受限系统，同样MC-CDMA系统也是一种干扰受限系统，当通信用户数较多时，多址干扰（MAI）成为其最主要的干扰。多用户检测技术（MUD）能有效抵抗多址干扰，是影响系统性能的关键技术之一。由于多用户检测问题的实质是组合优化问题，因此，人工神经网络所具有的快速优化计算能力和大规模并行处理能力使其在多用户检测问题中表现出良好的前景。

二、小波神经网络权值多用户检测算法的基本原理

2.1小波神经网络算法设计原理

本文以BP神经网络拓扑结构为基础，把小波基函数作为隐含层节点的传递函数，信号前向传播的同时误差反向传播的神经网络[1]，具体算法流程如图1。

为解决网络权值和参数修正进化缓慢并且容易陷入最小的问题，本文采用增加动量项的方法提高网络学习效率。

具体小波神经网络修正过程如下：

1）计算网络预测误差

2）根据预测误差e采用增加动量项的方法修正小波神经网络权值和小波基函数系数，其中小波函数伸缩因子ak、平移因子bk以及网络连接权重ωi，j，ωj，k。

2.2 基于小波神经网络的多用户检测器

根据参考文献[2]，本文将-（H-E）设置为小波神经网络的连接权值矩阵W，其中H为分配给各用户的特征波形的互相关矩阵，E为分配给各用户的特征波形的自相关矩阵，匹配滤波器的输出y设置为小波神经网络的阈值向量I，各用户发送的信息序列b设置为小波神经网络的输出向量v，这样将多用户检测的优化问题与小波神经网络的能量函数对应起来。其映射关系式可概括为

三、仿真结果

本文采用的小波基函数为Morlet母小波基函数，数学公式为

用训练数据训练小波神经网络，网络反复训练100次。

假设MC-CDMA系统收发端同步，扩频码为31位的Hardmard码，QPSK调制方式，用户数为16，接收端采用MMSEC和ORC算法。

仿真流程如图2所示。

仿真结果如下：

四、结束语

小波变换良好的时频局部特性和神经网络的良好自学习能力，能够达到提高多用户检测性能的目标。实验表明，基于小波神经网络的多用户检测技术在误码率（BER）性能上更接近单用户的BER性能。并且此算法的算法复杂度不高，在实际应用中更加占有优势。

作者简介

梁娜（1983-），女，河北唐山人，助教，河北工业大学硕士研究生，主要从事通信算法仿真方面的教学研究工作，nangchao1@163.com，15932562267

晁晖（1987-），女，河北唐山人，助教，中科院硕士研究生，主要从事数据处理方面的教学研究工作。

参 考 文 献

[1]王小川，史峰.MATLAB神经网络43个案例分析. 北京：北京航空航天大学出版社，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通信系统中混沌神经网络多用户检测技术的研究. 太原：太原理工大学通信与信息系统专业，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]普顿.空时分组码MC-CDMA系统中基于遗传算法的多用户检测.西藏大学学报（自然科学版）[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，曾玖贞，王彦.基于Simulink的GO-MC-CDMA系统仿真.通信技术，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]王鸿斌，张立毅.基于遗传算法优化神经网络的多用户检测.计算机工程，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