我们知道，在以码分多址(CDMA)技术作为首选多址接入标准的第三代(3G)蜂窝移动通信系统中，对于信道编译码、多用户检测(MUD)、软件无线电和智能天线等关键技术的研究，近年来已受到人们的广泛关注。本文主要致力于计算智能方法在多用户检测中的应用研究。由于采用最大似然检测(MLD)的最优多用户检测方法具有指数的计算复杂度，因此，研究能够有效抑制多址干扰（MAI）、具有低误码率（BER）和合理的计算复杂度、对远近问题不敏感的次优检测方法是本文的主要内容。本文主要包括以下创新之处：(1) 本文首先提出了一种基于禁忌搜索的多用户检测算法。这种方法采用传统检测器的输出作为初始解，以与当前解的汉明距为1的点组成邻域，每一次搜索所得解直接置于禁忌表中并令其永远处于禁忌状态。这种方法具有多项式的计算复杂度，对远近问题不敏感，并且能够得到良好的检测误码性能。(2) 结合禁忌搜索和多级检测，提出两种混合多用户检测算法：一种方法是将多级检测应用于禁忌搜索算法每次迭代所产生的解，另一种方法是将多级检测应用于禁忌搜索算法每次迭代邻域中的所有点。仿真结果表明，相对于单独采用多级检测或禁忌搜索的多用户检测方法，这两种方法的混合既可以减少禁忌搜索算法的计算量，又可以改善多级检测方法的性能。(3) 提出一种应用禁忌学习神经网络的多用户检测方法。这种方法将多用户检测目标函数转化成神经网络能量函数；根据禁忌搜索的概念在能量函数中引入罚项，从而解的搜索朝着未访问过的状态方向进行，这就使得搜索过程能够避免陷入局部极小值点，最后得到全局最优或近似全局最优解。这种方法具有平方的计算复杂度，仿真结果验证了其全局收敛性。(4) 利用遗传算法和Hopfield神经网络的优点，提出一种基于遗传算法和神经网络的多用户检测器。该检测器中，遗传算法首先给神经网络提供一个较好的初始解，神经网络在此基础上按梯度下降的机制进行局部寻优。这种GA和HNN结合的方法具有平方的计算复杂度，相对于单独采用遗传算法的检测器，能够极大地减少计算量；而且能够获得比单独采用Hopfield神经网络更好的检测性能。<WP=5>(5) 提出一种新的径向基函数神经网络多用户检测方法。该方法采用自适应投影算法来构造和训练径向基函数神经网络，只需一组接收信号训练样本，就可以通过迭代确定RBF函数的个数、中心的位置和网络的权系数。这种方法对远近问题不敏感，相对于有监督聚类和K平均聚类的径向基函数神经网络检测方法，节省了先验信息的需求，并能获得与有监督聚类RBF网络检测方法接近的良好检测性能。