内容简介本书着重介绍智能
信号处理
技术在移动
通信关键技术（如多用户检测、智能天线、高性能的接收机等技术）中的应用。全书共分16章，第1章为绪论；第2到第15章分别介绍自适应子波神经网络、支撑矢量机、递归神经网络、独立分量
分析算法、最大特征向量学习机、volterra级数、多子波神经网络、基于正交码的多子波、多子波cdma、基于子波包变换的cdma和子波包优化、免疫算法、免疫策略rbf网络、免疫克隆算法、量子进化算法等智能方法在ds-cdma移动
通信系统中的应用；第16章简单介绍了智能技术在mimo通信系统中的应用现状和前景。
本书内容丰富，方法新颖，反映了智能通信
信号处理的新
理论、新技术、新方法和新应用。本书也是作者在智能信号处理和通信信号处理领域多年教学与科研工作的积累和总结。
本书条理清晰，论证缜密，理论联系实际，可以
指导读者尽快地学习和跟踪智能通信信号处理的
最新进展。本书适用于智能信息处理、信号与信息处理、通信与信息系统及相关专业的研究生、工程师和科研人员阅读和参考。
图书目录第1章绪论1.1cdma
移动通信系统研究背景及意义1.2第三代移动通信系统及其关键技术1.2.13g系统及其展望1.2.23g系统中的关键技术1.3第四代移动通信系统的研究目标与现状1.3.14g系统研究目标1.3.24g系统的研究现状及其关键技术1.43g与4g系统中的ds-cdma1.5空时信号处理与多用户检测1.5.1使用阵列天线的必要性1.5.2空时信号处理1.5.3多用户检测1.6通信中的智能信号处理1.7本书的主要内容参考文献第2章自适应子波网络多用户检测2.1引言2.2自适应子波神经网络2.2.1子波变换、逼近以及分类2.2.2自适应子波神经网络2.3自适应子波神经网络检测2.3.1自适应子波神经网络单用户检测2.3.2自适应子波神经网络多用户检测2.3.3自适应子波神经网络学习算法和实现考虑2.3.4仿真实验与性能分析2.3.5评述2.4自适应子波神经网络空时多用户检测2.4.1多天线接收时的空时信号模型2.4.2空时匹配滤波与最大比多径合并2.4.3空时最佳多用户检测与自适应子波神经网络实现2.4.4仿真实验与性能分析2.4.5评述2.5基于自适应子波网络的mmse检测器2.5.1mmse线性多用户检测2.5.2基于自适应子波网络的mmse检测器2.5.3算法分析2.5.4性能分析与仿真结果2.6本章小结参考文献第3章支持矢量机多用户检测3.1支撑矢量机算法3.1.1模式识别支撑矢量机3.1.2回归支撑矢量机3.2支撑矢量机多用户检测3.2.1支持矢量机多用户检测结构3.2.2空时联合多用户检测3.2.3仿真实例3.3自适应支撑矢量机多用户检测3.3.1自适应支撑矢量机3.3.2试验仿真3.4小结与讨论参考文献第4章递归网络盲自适应多用户检测4.1引言4.2以码片速率采样的异步传输信号模型4.3递归神经网络盲自适应多用户检测4.3.1递归神经网络盲自适应多用户检测4.3.2盲最小均方误差多用户检测4.3.3递归神经网络盲自适应多用户检测4.4性能分析4.4.1输出信干噪比4.4.2渐进多用户有效性与抗“远近”效应能力4.4.3
计算复杂度比较4.4.4计算时间比较4.4.5失配对性能的影响4.5仿真实验4.6基于grnn的自适应mmse多用户检测器4.6.1mmse多用户检测器4.6.2自适应mmse多用户检测器4.6.3基于grnn的自适应mmse多用户检测器4.6.4性能分析与仿真结果4.7本章小结参考文献第5章独立分量分析算法在cdma中的应用5.1引言5.2盲信号分离5.2.1盲信号分离的
数学模型5.2.2求解原理5.2.3盲信号分离的神经网络结构5.3独立分量分析的基本算法5.3.1去相关算法5.3.2自然梯度算法5.3.3迭代求逆算法5.3.4easi算法5.3.5ica算法的收敛性5.4基于ica算法的多用户检测5.4.1匹配滤波器级联神经网络的多用户检测5.4.2按码片速率采样的ica多用户检测5.4.3仿真结果5.5基于独立分量分析的cdma系统信道估计方法5.5.1系统模型5.5.2仿真试验参考文献第6章基于最大特征向量学习机的盲波束形成6.1引言6.2极大特征向量算法6.2.1oja算法6.2.2一类求解最大特征值问题的神经网络模型6.2.3求解复矩阵特征值问题的神经网络方法6.3求解广义特征值问题的神经网络6.3.1网络模型6.3.2网络性态分析6.4cdma的阵列信号模型6.4.1基本假设6.4.2阵列信号模型分析6.5基于最大特征矢量学习机的盲波束形成6.5.1求解最大特征向量的复数神经网络（cnn）模型6.5.2求解最大特征向量的meva迭代算法6.6多径衰落情况下的盲波束形成6.7仿真实验6.8小结参考文献第7章非线性信道的volterra级数模型及其辨识算法7.1mimo非线性系统的volterra级数模型7.2mimo非线性系统辨识7.2.1随机响应法7.2.2脉冲响应法7.3仿真研究7.4结论参考文献第8章非线性系统的均衡器
设计8.1引言8.2siso非线性系统的均衡器设计8.2.1volterra滤波均衡器8.2.2volterra滤波器的局部l2稳定性8.2.3存在性及误差分析8.2.4volterra预滤波及后滤波均衡器的存在性8.2.5有限阶volterra预滤波及后滤波均衡器误差8.3mimo非线性系统的均衡器设计8.3.1volterra滤波器的局部l2稳定性8.3.2volterra滤波均衡器的存在性及误差分析8.3.3volterra滤波均衡器的存在性8.3.4有限阶volterra滤波均衡器误差分析8.4仿真研究8.4.1siso非线性volterra滤波均衡器仿真8.4.2mimo非线性volterra滤波均衡器仿真8.5结论参考文献第9章基于多子波神经网络的多用户检测器与基于正交码的多子波cdma9.1基于多子波神经网络模型的多用户检测9.1.1多子波网络模型9.1.2应用理论9.1.3学习算法9.1.4降维预处理9.1.5多子波神经网络多用户检测器9.2基于正交码的多子波cdma9.2.1引言9.2.2多子波9.2.3多子波cdma9.2.4理想信道情况下的仿真9.2.5抗白噪声干扰的分析与仿真参考文献第10章多子波cdma理论和多子波cdma10.1多子波cdma理论与框架10.1.1引言10.1.2多子波分析滤波器10.1.3多子波cdma框架10.1.4仿真10.1.5结论10.2基于haar子波低通滤波器的多子波cdma10.2.1引言10.2.2多子波分析滤波器10.2.3基于haar子波低通滤波器的多子波cdma10.2.4仿真10.2.5结论参考文献第11章基于子波包变换的cdma和子波包优化11.1引言11.2单子波包的基本概念11.3多子波包的基本概念及其性质11.4最优基的选择11.5双正交多子波11.6双正交多子波包的基本概念及其性质11.7wpt-cdma系统模型11.7.1系统的频谱特性分析11.7.2仿真实验11.8基于多子波包变换的cdma11.8.1mwpt-cdma系统模型11.8.2mwpt-cdma系统性能分析11.8.3mwpt-cdma性能仿真参考文献第12章基于免疫算法的多用户检测12.1基于遗传算法的多用户检测12.1.1
标准遗传算法12.1.2基于遗传算法的多用户检测12.2免疫算法12.2.1免疫概念12.2.2免疫算法12.2.3免疫算法的收敛性12.2.4免疫疫苗12.2.5免疫算子12.2.6仿真实验12.2.7结论与讨论12.3基于免疫算法的多用户检测12.3.1实现结构12.3.2计算复杂度分析12.3.3仿真结果参考文献第13章免疫策略rbf网络多用户检测13.1引言13.2空时二维cdma系统13.2.1空时信号模型13.2.2空时二维接收机13.3基于免疫策略的rbf网络13.3.1rbf网络的基本形式13.3.2rbf网络与多层感知器的比较13.3.3免疫策略算法13.3.4rbf网络的学习策略13.3.5基于免疫策略的rbf网络13.4免疫神经网络的学习算法13.4.1网络激励函数的选取方法13.4.2网络的自学习算法13.4.3免疫神经网络的设计实例13.5基于免疫rbf网络的cdma多用户检测判决器13.6仿真结果与分析13.7结论与讨论参考文献第14章免疫克隆算法14.1用于cdma多用户检测的免疫克隆算法14.1.1算法收敛性分析14.1.2算法复杂度分析14.1.3算法参数影响分析14.2基于免疫克隆算法的多用户检测器的仿真结果与分析14.2.1与最佳多用户检测器的比较14.2.2同步cdma系统下的仿真14.2.3异步cdma系统下的仿真14.2.4瑞利衰落信道多径cdma系统下的仿真14.3小结参考文献第15章量子进化算法在cdma中的应用15.1量子计算原理15.1.1状态的叠加15.1.2状态的相干15.1.3状态的纠缠15.1.4量子并行性15.1.5目前的研究重点15.2量子计算智能的几种模型15.2.1量子人工神经网络15.2.2基于量子染色体的进化算法15.2.3基于量子特性的优化算法15.2.4量子聚类算法15.2.5量子模式识别算法15.2.6量子小波与小波包算法15.2.7量子退火算法15.2.8其他15.3量子进化算法的提出15.4量子进化算法中用到的一些基本概念15.4.1量子比特15.4.2量子染色体15.5量子进化算法15.5.1算法描述15.5.2量子染色体的机理和优点15.5.3量子变异15.5.4量子交叉15.5.5量子进化算法的结构框架15.5.6量子进化算法的收敛性15.6量子进化算法用于最佳多用户检测15.7结论和讨论参考文献第16章智能信息处理技术在mimo通信系统中的应用16.1引言16.2mimo系统基本原理16.3mimo技术的研究进展参考文献附录a多用户检测基本原理附录b命题8.1的证明附录c引理8.1～引理8.3的证明附录d定理8.1～定理8.3的证明附录e式（8.6）与式（8.7）的推导过程附录f定理9.3的证明附录g定理11.1～定理11.5的证明附录h定理12.1与定理12.2的证明
序言/前言前言19世纪初期，丹麦
物理学家奥斯特和英国物理学家法拉第发现了电磁感应现象，麦克斯韦以数学的方式将他们的研究成果表达出来，并将电磁感应理论推广到了空间；1864年，麦氏发表了电磁场理论；1887年，赫兹的试验证明，电磁能量可以越过空间进行传播，这个具有划时代意义的试验，不仅证明了麦克斯韦理论的正确性，还直接导致了
无线电技术的诞生。可以说，它是整个移动通信的发源点，从这时开始，人类进入了
无线通信的新纪元。1897年5月18日，马可尼用自己的
无线电传送和接收
设备，在布里斯托尔海峡进行
无线电通信取得成功，把信息传播了12km，揭开了无线通信蓬勃发展的序幕。随着最早的模拟移动电话在20世纪80年代的投入使用，以无线通信为
基础发展起来的移动通信便以惊人的速度飞速发展。预计到
2007年左右，全球的移动电话用户数将达到20亿。随着internet深入我们的生活，移动通信和固定无线接入对高速数据业务提出了强烈需求。按照国际电信联盟在imt-
2000框架中颁布的指导原则：3g设备在室内应具有2mb/s的传输速率，4g标准则希望支持20mb/s的传输速率。高速业务和用户数的激增使得对频谱的需求量急剧增加，而频谱资源却是有限的，因此追求尽可能高的频谱利用率成为无线通信倍受关注的课题。4g系统对接收机提出了特别高的要求。按照shannon定理，对于3g系统，如果信道带宽为5mhz，而数据速率为2mb/s，则所需的snr为1.2db；而对于4g系统，要在5mhz的带宽上传输20mb/s的数据，则所需要的snr为12db。可见，对于4g系统，由于速率很高，因此对接收机的性能要求也要高得多。随着多用户检测技术的不断发展，多用户检测器将会在4g系统的基站和终端中得到应用。多用户检测器可以提高系统的容量，因此将是4g系统必然采用的技术。随着多用户检测器研究的不断深入，各种高性能算法中的不是特别复杂的多用户检测器算法不断被提出来，因此在实际系统中采用多用户检测技术将是切实可行的。多用户检测（multiuserdetection，mud）是抑制多址干扰、对付“远近”效应的一种强有力手段，又称为联合检测或干扰抵消方法。多用户检测技术与其他的抗衰落技术相结合可以大大提高系统的性能，可在上（下）行链路实现。1986年，verdu首先提出了多用户检测思想，认为多址干扰是具有一定结构的有效信息；理论上证明，采用最大似然序列检测（mlsd）可以逼近单用户接收性能并有效地克服了“远近”效应，大大提高了系统容量；但是，mlsd结构是匹配滤波器组加上viterbi算法，其复杂度随用户数呈指数增加，在实际中基本无法实现。verdu的工作为进一步的研究奠定了理论基础，激励了对多用户检测的广泛研究，促使人们去寻找复杂度低、性能比传统检测器优越的各种次优多用户检测和抗干扰技术。目前，各国的研究人员已广泛地展开了对多用户检测技术的研究，并已取得了许多可喜的成绩。已提出的基本次优检测有：线性检测、多级干扰抵消检测、非线性类概率检测等。其中，线性检测主要包括mmse检测、解相关检测和子空间检测；非线性类概率检测包括序列检测、分组检测、基于支持向量机的检测以及基于进化算法的检测等。多用户检测与空时接收机理论在近十多年来得到了通信及信号处理领域科学家和工程师的极大关注，取得了大量重要的研究成果。但是，多用户检测技术、智能天线以及两者相结合的空时接收机能否真正在即将全面商用的3g以及未来的后3g或4g系统中采用还有待进一步研究和探索，多用户检测和空时处理问题仍将是移动通信研究的一大热点和极具诱惑力的研究方向。主要原因有以下几点：（1）用户通信及多用户检测本身是通信中的一个基本问题，具有重要的理论和应用的意义；针对各种通信应用及其发展，需要对有关的理论和技术进行深入的研究；（2）当前，宽带cdma系统的应用仍面临着一些技术困难，多址干扰的降低和抵消是cdma的基本课题，也是提高宽带cdma系统容量，发挥宽带cdma系统特长的重要课题，3g的增强系统以及未来的4g系统对高传输速率和高性能多媒体业务的不断追求必将使嵌入先进信号处理技术的多用户检测和空时接收机得到重大的发展；（3）在当前的硬件技术水平下，高复杂度算法还难以应用于实际系统；（4）与ofdm调制、空时编码、信道编码、分集、多址接入和链路控制协议、无线资源管理等其他关键技术的最佳结合方式还有待进一步研究；（5）当前的大多数多用户检测技术以及空时接收机只能消除小区间干扰，而消除来自小区外的干扰能力较弱；（6）当前提出的大部分的多用户检测以及空时接收机对复杂移动通信环境的稳健性还远远不够，限制了在实际系统中的应用。从1997年开始，在国家“863”计划、国家自然科学基金等的支持下，我们对智能多用户检测和空时处理技术的理论及应用进行了研究，本书正是这近十年来工作的一个小结。本书着重介绍智能信号处理技术在多用户检测、智能天线、高性能的接收机等关键技术中的应用，希望本书所介绍的应用在通信中的丰富多样的智能技术能对读者起到一定的启发作用。本书各章的内容安排如下：第2章论述自适应子波网络多用户检测技术，基于神经网络的强并行处理和自组织学习能力以及子波在信号逼近和分类方面表现出的优异性能，提出了异步和频率选择性衰落信道下ds-cdma系统中自适应子波神经网络实现的单用户检测器、多用户检测器、空时多用户检测器以及自适应子波网络的mmse检测器；第3章着重论述支持矢量机在多用户检测中的应用；第4章将递归神经网络盲自适应多用户检测推广至更一般的异步cdma系统，并较深入地定量分析了输出信干比、渐进多用户有效性与抗“远近效应”能力、复杂度、运算时间以及失配影响等性能；第5章将ica算法应用到多用户检测中来，提出了两类具有良好抗多址干扰和抗噪声能力的多用户检测方法，这些方法计算量小、不需要训练序列、只需利用少量的用户及信道信息、结构简单易于电路实现；第6章主要研究了一类信号处理神经网络，然后把其应用到cdma盲波束形成和自适应连续干扰抵消接收机中，并做了详细的数学推导和大量的计算机仿真实验，来证明这些算法的有效性和可行性；第7章讨论了一般mimo非线性系统的volterra级数表示，给出并证明了volterra核矩阵存在的条件，然后给出了两种辨识volterra核矩阵的方法；第8章利用p阶逆方法研究了一大类非线性均衡器的收敛性问题。利用本章所提方法设计的非线性均衡器仅需要较少的非线性阶数，且volterra核的长度也较小；第9章论述了基于多子波神经网络的多用户检测器与基于正交码的多子波cdma；第10章研究了多子波cdma理论和多子波cdma；第11章论述了基于子波包变换的cdma和子波包优化；第12章论述了基于免疫算法的多用户检测；第13章在分析rbf网络及其各方面特点的基础上，讨论了采用免疫策略算法来构造和训练rbf网络的可能性和有效性；第14章基于人工免疫系统中的克隆选择算法，提出了一种新的基于智能算法的多用户检测方案——免疫克隆算法多用户检测器（camud）；第15章讲述了量子进化算法在cdma中的应用；第16章简要介绍了作为未来4g系统核心技术之一的mimo技术的基本原理，并分析了智能技术在其中的应用现状和前景。感谢潘进、方洋旺、陈俊丽、郑建忠、杨新星、钟桦、侯彪，张小华，周伟达，张莉、李映、岳博、钟伟才、薛明志、李洁、李小平、杨淑媛、刘若辰、薄列峰、公茂果、马文萍、尚荣华、黄文涛、侯翠琴、朱明明、柯艳荔、辛芳芳、戚玉涛、李阳阳、王爽、张向荣、潘晓英、王玲、杨海潮、谢银祥、冯小军等同志所付出的辛勤劳动。感谢电子工业出版社的领导和王春宁博士的大力支持和所付出的辛勤劳动。感谢作者家人的大力支持和理解。由于作者水平有限，书中不妥之处在所难免，恳请读者批评指正。作者
2005年12月于西安
