支持向量机及其在mimo-cdma多用户检测中的应用分析-support vector machine and its application analysis in mimo - cdma multiuser detection.docxVIP

原创性声明本人郑重声明:所呈交的学位论文，是本人在号子师拍导卡，i丘hlf究J.:作所取得的成果.除文中己纷注明弓|用的内容外，本学位论文不包含任何他人成集体已经发茨的tFAll内容.也不包含本人为获得其他学位而使用过的材料.对本论文所涉放的研究r.作做111(献的其他个人或集体L均已在文中以明确方式标明....jI;学位论文原创铃:J!i明的炫体贷ff由本人承担.学位拙作者签名t克精，e11朔:tll-)、2--}关于学位论文版权使用授权的说明*入完全了解伺t工业大学关于收集、保存、使用学位论文的以下观注:学校有权;采用影自1、缩印、扫描、散字化或其它字段保存论文:学饺;街仪提供本学位论文会;立:e-mJ分内容的阑览服务:学饺有权将学位论文的全部fII!分内容偏入省关数jj1}W.挂行串串饿、J?iJl[l学校有叙向国家有关部门威者机构送交论文的复印件和电于版〈保密的学位论文缸M.售后适用本授权说明〉学位切相名=备刷乡居师签7ω日朔:tt!3、巧日朔:川川叮第一章绪论1-1研究背景及意义20世纪80年代以来移动通信越来越广泛的深入到人们的日常生活中，给人们的生活带来了便利。移动通信中的信号技术一直是研究人员的主要研究对象，CDMA系统由于其具有抗多径衰落能力强、频带利用率高、系统容量大等优点，已经越来越多的受到人们的重视。21世纪随着3G技术的发展，CDMA信号必会成为以后移动信号的主体。单纯的CDMA系统由于其受到频率带宽的限制很有可能成为3G技术向高速率和宽带化发展的一个障碍。多输入多输出（MIMO，Multi-inputMulti-output）技术能够提高系统的发送速率，把MIMO技术应用到CDMA系统中，构成的MIMO-CDMA系统可以在不增加天线发送功率和系统带宽的前提下，充分利用空间资源，有效的提高信道容量和频谱利用率。MIMO-CDMA系统存在各种干扰源影响接收信号判决的准确性：码间干扰、多址干扰和多流干扰。多用户检测技术（MUD）是抑制这些干扰的有效方法，目前适用于MIMO-CDMA系统的多用户检测技术有很多，主要有迫零(ZF,ZeroForcing)方法、最小均方误差(MMSE,MinimumMeanSquareError)方法和最大似然(ML,MaximumLikelihood)方法等[1]。迫零算法在检测过程中采用了矩阵的逆，算法计算复杂度较高，最小均方算法的性能要优于ZF，但是随着天线数目的增大复杂度也较高。Vapnik等人在统计学习理论的基础上于1995年提出了一种模式识别的新方法--支持向量机（SVM,SupportVectorMachine）。支持向量机是一种建立在统计学习理论基础上的特殊神经网络模型[2]，其基本思想是依据有限样本信息在模型复杂性和学习能力之间寻找最佳组合，期望获得最好的模型推广能力。通过核函数的使用，SVM将实际问题转换到高维特征空间，在新空间构造线性判别函数来实现原空间中的非线性判别函数。从理论上讲，SVM始终能够得到全局的最优解，这就可以保证其对未知样本的良好泛化能力但不出现过学习现象[3]。最开始的SVM主要用来进行分类，在分类算法的基础上，Vapnik于1997年将SVM扩展到回归领域。目前，SVM算法在模式识别、回归估计、概率密度函数估计等方面都有应用。在模式识别方面，对于手写数字识别、语音识别、人脸图像识别、文章分类等问题，SVM算法在精度上已经超过传统的学习算法或与之不相上下。信号检测算法是利用系统发送信号的各种特性，对期望信号进行干扰消除和符号判决的一种信号处理技术。多用户检测是根据接收端信号来判别发送端的发送信息，属于一个简单的二分类的问题，RVM在模式识别领域的应用很广泛，是一种解决分类问题很有效的方法，所以RVM可以被用来解决多用户检测问题，通过训练数据得到判决函数，从而检测出用户信号[4，5]。为此，本论文选题为《支持向量机及其在MIMO-CDMA多用户检测中的应用研究》，主要研究支持向量机等计算智能技术，力求解决分类以及回归问题中关键问题，如过拟合、计算速度慢、陷入局部最小等，并设计实现相关向量机在MIMO-CDMA系统多用户检测中的应用，拓宽了相关向量机的应用领域，为MIMO-CDMA通信系统注入了新的活力，具有重要的理论意义和应用价值。1-2国内外研究现状及发展趋势1-2-1支持向量机的国内外研究现状及发展趋势SVM经过了不到二十年的发展，在原来数学模型的基础之上产生了大量的改进方法，取得了比较快的进步。SVM在解决非线性和小样本以及高维的模式识别问题有很多自身固有的优势，但是遇到大样本问题就会在矩阵的存储以及计算上尤其是凸二次规划方面出现缺陷，为此上述方面的问题就成了SVM的研究热点，随之产生了很多新的改进算法。比较著名的算法有：选块算法、分