直扩/码分多址(DS/CDMA)系统的多用户检测(MUD)是第三代移动通信(3G)系统中，关系到扩大其通信容量及服务质量的重大课题。MUD研究的主要目标是克服困扰DS/CDMA系统的多址干扰(MAI)和远近效应。 在瑞利衰落信道中，不同用户码字在接收端将失去正交性，从而导致性能恶化。为了克服这一缺点，在无线通信领域多用户检测技术受到越来越广泛的重视。Verdu首先提出了基于MLSE准则的最佳接收机模型。然而多用户检测技术的最优解常规条件下是一个NP难解问题，由于最佳检测器的复杂度太高，只能求次优解。利用量子态的并行计算特性和量子态检测等理论的量子多用户检测技术能够有效获得多用户检测的最优解。 量子神经网络(QNN-QuantumNeuralNetworks)是量子计算与人工神经网络相结合的产物，由于利用了量子并行和量子纠缠等特性从而克服了传统人工神经网络的某些固有缺陷。本文主要研究Rayleigh衰落信道下基于量子神经网络的多用户检测方法。Rayleigh衰落信道是无线传播信道中的一种多径传播信道，本文第三章提出了一种平坦Rayleigh衰落信道下基于量子神经网络的多用户检测策略，并对于不同的用户数、同步与异步情况下进行了仿真及性能分析。本文第四章在第三章的基础上提出了在频率选择性Rayleigh衰落信道下基于量子神经网络的多用户检测策略，并进行了计算机仿真及性能分析。