串行干扰消除知网论文

pingbi

1、屏蔽2、远离干扰源3、采用双绞线4、改变通讯速率以上可以多项并用

经过20余年的发展，对抑制多址干扰的多用户检测方法已研究的十分广泛和具体。根据上面多用户检 测的定义，在不同的准则下，多用户检测具有不同的分类方法。按性能的不同，多用户检测可分为最优多用户检测法及准最优多用户检测法。从结构上看，多用户检测又分为线性多用户检测及非线性多用户检测方法。检测方案包括线性算法和干扰消除算法。线性算法主要有解相关器(零驱动检测器，用互相关矩阵的反转乘以匹配滤波器的输出)和线性最小均方误差算法；干扰消除算法的想法是估测多址接入和多径引入的干扰，然后减去干扰估测值。在选择多用户检测算法时，要考虑到复杂性和性能两个方面。复杂性程度是通过估算单位时间内算法操作的数目和同步数字信号处理所需的时钟周期数来衡量的；性能是指在加性高斯白噪声和瑞利衰落信道上的性能。 基站（BaseStation,或NodeB）中多用户检测方法。由于基站知道所有用户的特征码(signaturesequence)，考虑到算法复杂度之后，基站中的多址干扰抑制方法选择针对多用户的多用户检测方法。下面分别介绍基站中的典型多用户检测方法。（1）最优多用户检测法最优多用户检测法，即最大似然序列估计（MLSE）方法，1986年由Verdu提出。该算法的复杂度随着用户数成指数增加，当用户数大于9时，是不可行的。最优多用户检测法提供了性能改善的极限值。（2）线性准最优多用户检测法由于最优多用户检测法的复杂度太高，1989年以后的研究均侧重于准最优多用户检测法。准最优多用户检测可分为线性及非线性两大类。所谓线性或非线性，即是判断算法的输出是否是输入的线性变换。线性多用户检测算法主要包括去相关法（Decorrelator）和最小均方估计法（MMSE）。去相关法及MMSE法的复杂度均随用户数线性增长，其中去相关法不需估计各用户的幅度，具有较好的抗远近效应能力，而MMSE法需估计各用户的幅度，抗远近效应能力不如去相关法，但去相关法对信道噪声有放大作用，MMSE法则没有。当信噪比较大时，使用去相关法较好；当信噪比较小进，易于使用MMSE法。去相关性及MMSE法均需对互相关矩阵求逆，当用户数很多时，使用去相关法及MMSE法的复杂度还是太大。为此Moshavi等人提出了矩阵求逆的多项式分解法，只取多项式的前几项代替整个逆阵，从而化简求逆的复杂度。（3）非线性准最优多用户检测法由于线性多用户检测法复杂度高，收敛慢，从可实现性角度考虑的研究方向主要集中于非线性多用户检测方法。非线性多用户检测方法主要有多级型、判决反馈型、神经网络等几种方法。多级型多用户检测算法，根据每一级各用户的检测形式不同，又可划分很多形式。若每一级各用户并行的采用匹配滤波器或相关器检测，这就是传统的并行干扰对消（parallelinterferencecancellation:PIC）算法。若每一级的每个用户，根据信号强度的大小，采用串行的匹配滤波或相关检测的方法，这就是所谓的串行干扰对消（successiveinterferencecancellation:SIC）算法。当然，每一级各用户还均可以采用去相关检测、MMSE等算法，这时的性能会更好一些，但算法实现复杂度也更高一些。多级型多用户检测算法的每级算法结构相似，因而多级型的每一级的最后（除最后一级），还有一个各用户信号的再生、还原过程，这也是多级型方法的特点之一。判决反馈多用户检测算法，有与多级型算法类似的种类。从本质上看，判决反馈多用户检测算法等价于多级型算法。从结构上来看，判决反馈法将多级型方法采用循环的方式一级来完成，通过对一级的多次循环，完成多级型相同的功能。从实现上来看，判决反馈多用户检测算法比多级型算法需要更多的存储空间。多用户检测从本质上看，是一个组合优化问题。因而，所有解决组合优化的算法原则均可适用于多用户检测。其中基于神经网络的解组合优化问题当然可以适合多用户检测。 对于用户设备（UserEquipment,UE，又称移动终端:MobileStation,MS）来说，从安全及复杂度上考虑，它只知道自己使用的特征序列。这时的多址干扰抑制方法（为了方便，也称为多用户检测方法），与基站中的的多址干扰抑制方法有很大的差别。用户设备中多用户检测的各种方法。把传统CDMA检测器作为固定式多用户检测方法也归纳进来了。所谓传统CDMA检测器，即采用了相关器或匹配滤波器检测方法。传统CDMA检测器为了减弱多址干扰的影响，在系统级中采用了功率控制的方法，它要求到达某一接收机输入端的各个用户的功率相等。这是一种最简单、原始的多址干扰抑制方法，已成功应用于军、民用CDMA移动通信网。为了更有效的对抗多址干扰，用户设备采用自适应技术来抑制多址干扰。所谓自适应多址干扰抑制算法，即接收机的多址干扰抑制部分采用了自适应滤波器的结构，滤波器的系数是自适应变化的，标准是满足某种标准下的最优化。自适应式多用户检测方法也可划分为两大类：线性及非线性。类似于基站中的多用户检测方法，用户设备中的自适应非线性多用户检测方法包含有判决反馈、神经网络方法。下面主要介绍用户设备中的自适应线性多用户检测方法。（1）线性高复杂度自适应多用户检测算法线性高复杂度自适应多用户检测算法，根据自适应算法抽头间距（也可以表述为自适应算法对输入信号的采样间隔）的大小，可以划分为码元空间、分数空间两种。如果抽头间距等于接收机扩频码的一个码元宽度，这就是码元空间法。分数空间法则定义为自适应算法抽头间距只是码元宽度的一部分。分数空间法自适应多用户检测算法则包含最优线性同轭线性算法（optimumlinear-conjugate-linear,LCL）及复时间相关自适应滤波算法（complextimedependentadaptivefilter,TDAF）。复时间相关自适应滤波算法还可以进一步划分，滤波算法是基于波形估计滤波式的，还是基于符号估计滤波式。（2）线性低复杂度自适应多用户检测算法线性低复杂度自适应多用户检测算法，依据对高复杂度自适应多用户检测算法简化的方法的不同，可分为两类：最优简化法、次优简化法。其中次优简化法包含循环位滤波器组法及符号过采样法。