一种神经网络多用户检测器

时间：12-25 来源：互联网点击：

的能量函数极为相似.并且互相关矩阵H是对称矩阵(hij=hji).只要对式(2)线性变换后，就有：

　(4)

其中E为单位矩阵.由于bTEb是正定的.矩阵(H-E)是对称的，且对角元素为零.
　　这样，最佳多用户检测器的似然函数转换成离散HNN的能量函数，其权值为W=H-E，输入偏置θ=Y.由此，得到离散HNN多用户检测器，如图1所示.假定各用户信号功率能够被精确估计，检测器的输入为匹配滤波器的输出.HNN的权值由各用户之间的互相关来设定，经过多次反馈运算，网络收敛于稳定状态.检测器的输出为HNN最终稳定值.DHNN检测器较其它近最佳检测器最大的优点是运算速度快，易于实现.

图1　离散Hopfield NN多用户检测器结构

四、DHNN检测器性能模拟
　　下面，用计算机模拟CDMA通信系统来分析DHNN检测器性能.为了便于实现，误码采用异步更新的DHNN构造一个多用户检测器.对于两用户系统，假定扩频增益为3，互相关系数为1/3,SNR1=6dB.本文计算了两用户功率相等时，用户1的误码特性曲线；和两用户功率发生变化时，用户1的特性曲线.分别如图2和图3所示.在图中曲线1表示传统检测器性能，曲线2表示最佳检测器误码性能，曲线3表示DHNN检测器性能.再来考察四用户组成的CDMA系统.假定其扩频增益为7，互相关系数为1/3，SNR1=6dB.计算了各用户功率相等时，用户1的误码特性曲线；和用户2功率发生变化时，用户1的特性曲线.分别如图4和图5所示.

图2　用户1信噪比与误码率

图3　两用户能量比与误码率

图4　用户1信噪比与误码率

图5　用户能量比与误码率

　　从上述各图可以看出，本文所提出的DHNN检测器具有近最佳多用户检测器特性，它能够有效抑制多址干扰，克服远近效应.其性能优于传统检测器.在实际运算中，复杂度又大大低于最佳多用户检测器，比较两种用户数模拟系统，可以看到，随着用户数的增加，DHNN检测器误码率仅略有增加.

五、结　　论
　　本文从最佳多用户检测可以归结为一个组合优化问题出发，并根据神经网络能够解决组合问题的角度，利用Hopfield神经网络的能量函数与最佳检测器的似然函数的对应关系，构造了一种基于异步更新的DHNN多用户检测器.由于这种接收机中神经网络的状态是收敛的.网络的状态最终能够稳定在似然函数较大的用户数据序列上.模拟结果表明，这种DHNN多用户检测器具有良好的检测性能，具有抑制多址干扰能力和抗远近效应作用.计算复杂度大大低于最佳多用户检测器.

作者简介：姬　翔，1983年毕业于西安电子科技大学，获学士学位；1992年获西安电子科技大学工学硕士学位；1998年毕业于北京邮电大学，获工学博士学位.主要兴趣数字通信，移动通信，神经网络的应用等.

上一篇：如何选择合适元件用于高速数字通信系统的热插拔电路设计
下一篇：智能断路器的CAN 总线网络节点设计

检测用户神经网络相关文章：

栏目分类