基于预条件共轭梯度法的多用户检测方法的研究_最终稿.docVIP

基于预处理共轭梯度法的多用户检测方法 引言 CDMA移动通信系统中，由于用户扩频码间的相关特性不理想造成的多址干扰，不仅影响系统可靠通信，而且大大降低了系统容量[1]。提高CDMA系统性能的一种方法是采用多用户检测技术。1986年，美国学者Verdu提出了最优多用户检测[2]，也称为最大似然序列检测算法，由于其复杂度随用户数成指数增长，计算量巨大。因此，众多的学者们研究的都是寻求具有实际应用价值的方案，即次优多用户检测。 在已提出的多用户检测算法中，解相关多用户检测器通过乘以扩频码矩阵的逆执行相关运算得到用户信息，已经被证明具有抵抗远近效应，完全消除多址干扰等优良的性能[3]。但在实现过程中，求矩阵的逆需要相当大的计算量，尤其是在异步条件下，由于其变换矩阵是不定阶和变化的，实际应用中很难实现。为了解决这个问题，文献[4]研究了通过迭代方法来取代求矩阵的逆，大大降低了计算的复杂度。 迭代方法中，共轭梯度法是一种常用的求解方法。但其收敛速度依赖于系数矩阵的条件数，往往 不能取得令人满意的效果。为此，本文提出利用对称超松弛预处理的共轭梯度法来改善矩阵的条件数，加快收敛速度。实验结果表明，该方法计算复杂度小，同时能达到解相关的性能。 系统模型 考虑一个K用户的准同步CDMA 系统，其接收信号的基带表示形式为： 其中，，，分别表示第个用户的振幅、信息数据和扩频码序列，表示信道的脉冲响应，表示具有双边功率谱为的加性高斯白噪声。假设理想的信道估计，经过第一级传统匹配滤波器输出信号可以表示为 式中第一项是待解用户的期望输出，第二项是其他用户产生的多址干扰，第三项为高斯白噪声经过匹配滤波器之后的干扰。其中，，为第个用户和第个用户特征波形的归一化的互相关系数。式（2）采用矩阵形式可表示为： 其中，，，，，，是用户特征波形的归一化矩阵。 解相关检测是将多用户检测中的多址干扰产生原因等效为上述的归一化矩阵，在准同步系统中，该矩阵与各用户的扩频序列及用户间相对时延有关[5]。于是将经过匹配滤波器输出的信号，通过一个传输矩阵的逆矩阵，就可以消除各个用户扩频码之间的相关性，去除多址干扰。 共轭梯度法 从上述可以看出，忽略高斯白噪声的影响，多用户检测最终转变为在方程中，已知，求解的过程。在数值计算中，通过迭代方法产生近似解序列是解上述方程的常用做法[6]，迭代法的好坏主要体现在迭代序列的收敛速度上。共轭梯度法作为最常用的迭代求解方法之一，是由数学家Hestense和几何学家Stiefel为求解线性方程组而提出的。该算法具有程序简单，存储量需求小，收敛速度较快等优点。对于方程，是任意给定的初值向量，通过迭代式 对进行逐步逼近，其中，，为剩余向量。代表着迭代过程中的搜索方向，是一组关于的共轭向量系，即具有性质 共轭梯度法算法的步骤如下： （1）、任取，计算，取。 （2）、对，计算 （3）、若，计算停止，否则转向（2）。 CG法每一次迭代需要计算量为。其收敛速度取决于矩阵的条件数，条件数很小时，CG法可以用较少几步得到高精度的近似解；相反，就会收敛的很慢。为了解决条件数过大的问题，可以依据一定的算法构造预优矩阵来降低系数的条件数。 预处理共轭梯度法 预处理共轭梯度法的基本思路是，为了提高收敛速度，将对称正定矩阵进行预处理，以降低系数矩阵的条件数[6]。将矩阵分裂为,其中，，称为预处理因子，是的一个近似分解。这样，可用方程组 代替。令，，，新方程可写成 对方程（6）用CG方法计算，即任取初值，通过迭代求得，然后通过求得的迭代值。但在实际运算过程中，一般对求解过程作适当简化，把求解结合在整个求解过程中，这样只须在原来的共轭梯度法的每次迭代中加入一步求解的过程。因此，虽然变换矩阵和在推导过程中起到了很重要的作用，但在运算中只用到了矩阵. 因此，预处理共轭梯度法的关键在于矩阵的选取，应同时考虑以下两个方面的要求： （1）、应与矩阵尽量相近； （2）、应该容易求逆。 预处理方法很多，包括Jacobi迭代预处理，多项式预处理等等。本文使用的对称超松弛预处理共轭梯度法（SSOR-PCG），其预处理矩阵与矩阵有着很好的相似度，也无需对预处理矩阵求逆和给予存储空间，只需要分解法中的前代与回代过程，且分解结果可重复利用，是预处理共轭梯度法中最常用的方法之一。 在SSOR-PCG算法中，设，其中是的对角元素部分，和分别是的下三角部分和上三角部分。由于是对称矩阵，所以。我们令，其中 式中，是超松弛因子，其最优值一般可通过多次实验选取。文献[7]已经证明，经过这样的预处理，的条件数大约是条件数的平方根。 下面给出PCG的算法步骤： （1）、任取，计算，，。 （2）、对，计算 （3）、若，计算停止，否则转向（2）。 相比较于CG