本论文主要对CDMA多用户检测算法进行研究.首先从CDMA通信系统出发,研究了CDMA通信中传统检测方法和多用户检测技术,并对现有的多用户检测方法进行了归纳和分析.重点介绍了自适应MMSE检测器的原理,介绍了两种基于MMSE准则的线性自适应算法(LMS和RLS算法),理论上分析了两类算法的优缺点,并通过计算机仿真比较了这些经典算法的性能.由于非线性多用户检测具有计算复杂度低、性能优良的特点,文中首先对一种重要的非线性多用户检测——并行干扰抵消做了详细的分析和研究,并在此基础上提出了以解相关检测作为初始数据估计的部分并行干扰抵消多用户检测.针对多用户检测的另一种非线性方法——基于神经网络的检测,本文分析了两种前向神经网络——BP网络和RBF网络的结构和算法,阐述了基于BP网络、RBF网络的多用户检测的可行性和工作原理.此外还研究了使用Levenberg-Marquardt(L-M)算法的BP网络与单参数动态搜索(SPDS)算法的神经网络和使用正交最小二乘(OLS)算法的RBF网络的多用户检测.以此为基础,文中提出了使用自动权重因子选择的递归正交最小二乘算法的RBF网络多用户检测器,通过计算机仿真验证了所提改进算法在误码性能、抗远近能力以及训练速度相对BP网络和普通RBF网络多用户检测器的先进性,并对所仿真的结果进行了详细的分析.本文还对基于神经网络的一种有监督学习算法——基于支持向量机的多用户检测进行了研究.本文首先介绍了支持向量机的相关知识,然后对基于支持向量机的多用户检测算法进行了详细的分析和研究,并且对支持向量机的改进形式——相关向量机进行了研究,并研究了基于相关向量机的多用户检测,具体分析了其算法步骤.并在此基础上,参考相关文献,提出了基于边界似然函数最大化的快速相关向量机的多用户检测,并给出了其详细的检测步骤.鉴于对其性能进行数学分析的困难,本文通过计算机仿真验证了所提改进算法的有效性和先进性,并和基于支持向量机、相关向量机和最优多用户检测做了性能对比,最后对所提多用户检测算法的性能做了详细的分析.