论文部分内容阅读
支持向量机在处理非线性问题时,具有良好的分类检测能力,可以解决OFDM-CDMA系统多用户检测问题。由于支持向量机的惩罚参数和核函数参数选择直接影响模型的训练效率和检测性能,为此,可以采用计算智能算法优化支持向量机参数,提高OFDM-CDMA多用户检测系统的性能。本文所做的主要工作如下: (1)支持向量机及基于量子PSO算法的支持向量机的研究。以支持向量机理论为基础,分析了参数选择对其检测分类性能的影响,在前人研究的基础上将量子粒子群算法应用到支持向量机参数优化中,提出基于量子PSO算法的支持向量机。 (2)对OFDM-CDMA系统常规多用户检测的研究。设计一个便于分析的OFDM-CDMA系统模型,并对系统信号传输过程进行推导,得出模型的数学表达式。然后运用常规多用户检测方法对系统进行信号检测,并做仿真实验。 (3)基于量子PSO的支持向量机在OFDM-CDMA系统多用户检测中的应用。在经典的多用户检测方法框架模型基础之上,将基于量子PSO的支持向量机引入到接收信号检测中,构建基于量子PSO的支持向量机的多用户检测系统。通过仿真对比,表明系统在抗多址干扰方面有很好的特性,可以达到预期的检测效果。