在CDMA移动通信系统中，由于多个用户的随机接入，所使用的扩频码集一般并非严格正交，码片之间的非零互相关系数将引起各用户之间的干扰，这种干扰称为多址干扰。由于用户的扩频码已知，所以用户间的互相关系数是已知的，接收机可以知道多址干扰中的某些重要信息，可以对各用户做联合检测或从接收信号中减掉相互间的干扰，这种在检测时利用了多个用户信息的策略称为多用户检测。多用户检测技术是研究人员较为认可的抑制多址干扰的方法。在理论上具有最佳性能指标的最佳多用户检测由匹配滤波器和Viterbi译码算法组成，但由于其运算复杂度随用户数指数增长（），实际上是无法实时实现的。次最佳多用户检测成为一种理想选择，并已成为近年来的一个研究热点。通常在CDMA移动通信系统中，接收端的接收信号由多个用户的有用信息和信道噪声组成。多个用户之间存在码间干扰和多址干扰，而信道噪声的主要成分是高斯白噪声，研究中将信道噪声完全看作为高斯白噪声。多用户检测器主要以消除多址干扰为目的。本文对现阶段在理论上比较完善的、各方面性能接近最佳多用户检测的次最佳多用户检测理论进行研究，研究并分析解相关检测器、最小均方误差检测器（MMSE）、最佳线性检测器的多种性能指标（输出能量、信噪比、渐近有效性、误码率以及收敛特性等）。在对线性多用户检测器理论深入研究的基础上，提出的一种新的盲多用户检测器——最小输出能量结合子空间的盲多用户检测器，它可以在抑制多址干扰的同时，去除具有高斯特性的高斯白噪声，即信道噪声。在这种盲多用户检测器中，必须知道的信号参数是期望信号的特征波形和定时信息，而不像传统多用户检测那样需要更多的用户信息（包括干扰信号的特征波形和定时信息以及期望用户和干扰用户的相对幅值），尽管比普通的自适应多用户检测器多用了期望信号的定时信息这一条件，但<WP=68>它不需要训练序列，从而减少了运算的复杂度，缩短延时，使多用户的实时检测成为可能。信号子空间分析方法中，可以将输入的信号进行特征值分解，得到一个由信号子空间和噪声子空间组成的分解矩阵，公式如下： 计算中将噪声子空间构成的相关矩阵直接去掉，就可以消除具有高斯特性的信道噪声的主体部分，得到由估计信号张成的信号子空间构成的相关矩阵。由上面所述的关于子空间分解的理论，一个受到噪声干扰的信号，其实是有用信号和噪声信号的矢量叠加，因此，从空间上看，可以认为有用信号所在的空间是信号子空间，噪声信号所在的空间叫噪声子空间，把污染的信号分别投影到信号子空间和噪声子空间，用信号子空间上的投影信号分量代替原信号作计算，可以消除噪声的干扰，检测的性能将优于在原信号观察空间进行检测。根据最小输出能量准则，我们可以采用最小输出能量的多用户检测器（MOE检测器）。在实现MOE检测器的算法中，采用递推最小二乘算法（RLS），用信号子空间构成的相关矩阵去替代递推最小二乘算法需要的，由于只有起始时刻需要求解相关矩阵，而在以后的运算当中采用的是迭代的方法，就避免了矩阵求逆运算，所以运算复杂度大大降低，从而减少延时，利于实时检测。两种算法的结合可以加快收敛速度，提高信噪比，降低输出功率。本文对最小能量输出准则结合子空间检测器的原理和方法进行理论<WP=69>推导和分析，计算这种方法的误码率、抗远近能力以及渐近有效性。因为并不是所有的多用户检测器的性能指标都能以公式的形式表示出来，而且即使表示出来的渐近有效性和抗远近能力有时候也不是显式形式，给我们进行性能分析带来麻烦。因此，本文用MATLAB软件对该检测器进行了大量的仿真实验，进一步分析说明这种方法的可行性，并把这种检测器与采用最小二乘算法（LMS）实现的最小均方误差（MMSE）检测器的性能进行比较，分析这两种检测器在输出能量、输出信噪比、静态特性、动态特性（当信号传输进入稳定状态后，突然有另外的一个或几个用户需要进行通信时，信号输出能量的）以及收敛特性（输出信噪比和输出能量进入稳定状态速度的表示）等方面的差异。MATLAB对检测器的仿真结果表明这种算法具有良好的收敛性能、相对稳定的动态性能、很大的输出信噪比和最小的输出能量，实测误码率也达到了较为理想的效果。这种检测器可以将接收信号直接作用在检测器上，输出信号就是我们需要的经检测器检测出来期望输出信号。而不像传统检测器那样，把接收信号作为匹配滤波器的输入信号，把匹配滤波器的输出信号作为多用户检测器的输入信号。这样就简化了系统设备的复杂度。值得注意的是，这种检测器能较好地抑制来自小区内的多址干扰，但对小区间的多址干扰效果仍然不是很理想。本文所讨论的最小输出能量结合子空间检测器只是诸多线性盲多用户检测器中的一种，基于的模型也是最典型的同步信道模型，它适合的情况并不是很多，例如没有考虑多径干扰和衰落的情况。