论文部分内容阅读
码分多址是第三代和第四代通信系统的关键技术之一,但当用户数量增多或者信号功率变大时,多址干扰(MAI)严重降低了系统性能,限制系统容量。多用户检测技术能够抑制甚至消除不同用户之间的干扰,显著提高系统容量,是抗多址干扰的重要方法。其中盲多用户检测技术无需干扰用户的扩频码和定时信息等先验知识,成为当前研究的热点之一。传统的信号处理方法以高斯背景噪声和二阶统计量模型为基础,容易分析,但实际的应用中,尤其是各种通信系统中存在大量非高斯脉冲噪声。此时,基于高斯噪声假设的系统模型将不再适用。α稳定分布是良好的脉冲噪声模型,并且适用于分数低阶数学理论分析方法。因此,本文针对α稳定分布噪声下的盲多用户检测算法及其性能做了详细研究,主要包括以下内容：(1)根据α稳定分布随机变量特性,进行了建模仿真。分析了传统盲多用户检测算法,在高斯噪声和脉冲噪声下进行了性能比较。研究了自适应信号处理中鲁棒性算法和抗α稳定分布脉冲噪声信号处理算法,包括M估计和分数低阶统计量两种基本方法。由M估计方法启发,重新设计了恒模盲多用户检测算法的代价函数,得到了基于M估计的恒模算法和基于M估计的分数低阶恒模算法。实验结果表明两种改进的算法抗脉冲噪声干扰能力明显增强。(2)针对基于子空间方法的盲多用户检测算法在脉冲噪声干扰下的性能退化问题,利用鲁棒子空间估计方法：散布矩阵代替协方差矩阵估计和分数低阶子空间方法,提高了子空间盲多用户检测器的鲁棒性。本文把分数低阶方法和M估计方法结合,得到了鲁棒M估计分数低阶子空间盲多用户检测方法。实验结果表明,在脉冲噪声下,改进的算法性能优于各单独算法。此外,传统的PAST和OPAST算法在脉冲噪声下跟踪性能下降,本文结合M估计和OPAST算法,得到一种鲁棒OPAST盲多用户检测算法,在脉冲噪声环境下更具鲁棒性。(3)为了提高Kalman滤波盲多用户检测算法的抗脉冲噪声干扰能力,把M估计方法引入Kalman滤波迭代过程中,实验结果表明,此方法比传统的Kalman滤波自适应盲多用户检测算法更具有鲁棒性。在此基础上,结合本文提出的M估计分数低阶子空间估计方法,得到新的鲁棒子空间Kalman滤波自适应盲多用户检测算法。并通过实验验证了改进算法在抗脉冲噪声干扰方面的优势。