[发明专利]基于量子Hopfield神经网络和量子鱼群算法的鲁棒多用户检测方法

说明书

技术领域

本发明涉及一种考虑在冲击噪声环境下的基于量子Hopfield神经网络和量子鱼群算法的鲁棒多用户检测方法。

背景技术

CDMA系统由于具有多路复合接入能力、抗多径衰落能力、抗窄带干扰能力和安全/保密性能等独特的优势，近年来得到了迅速发展，成为无线通信系统的主流技术。多址干扰和远近效应是影响CDMA系统性能且无法回避的关键因素，基于信息理论的多用户检测技术可以减少多址干扰和远近效应对系统性能的影响。在加性高斯噪声环境下，采用智能多用户检技术，可使检测性能达到理论最优值，有效抗多址干扰和远近效应。然而，在许多物理信道和水声信道中，由于人为电磁干扰和大量自然噪声的脉冲特性，其噪声环境都是非高斯噪声的。就抗多址干扰能力而言，使用传统检测方法，脉冲噪声信道所能容纳的用户数要比高斯信道少。只有处理得当，非高斯噪声环境下设计鲁棒多用户检测器能使系统性能得到改善，因此研究非高斯噪声环境下的鲁棒多用户检测技术有更重要的现实意义。

CDMA系统的多用户检测问题可以看作组合优化问题，为NP难题，近年来一些智能计算方法被用来解决CDMA多用户检测问题。但是Verdu提出的高斯噪声环境下的最优多用户检测器的实现需要采取穷尽搜索，它的计算复杂度随着用户数量增加呈指数倍增长，这在当前和将来的一段时间内以现有的硬件水平是无法适时实现的。

经对现有的智能多用户检测进行检索分析发现，高洪元等在《电子与信息学报》(2008,Vol.30,No.7,pp.1566–1570)上发表的“基于免疫克隆量子算法的多用户检测器”中提出了免疫克隆量子算法进而设计了多用户检测器，在高斯噪声背景下在较短的时间达到最优，但在冲击噪声背景下，最优多用户检测器退化成鲁棒去相关多用户检测器，性能恶化严重。Hongyuan Gao等在《International Journal of Computer Applications In Technology》(计算机应用技术期刊)(2013,Vol.46,No.3,pp.244-251)上发表的“A simple quantum-inspired bee colony algorithm for discrete optimisation problems”提出了量子蜂群算法并使用其解决弱冲击噪声环境下的鲁棒多用户检测问题，性能虽然相对于传统鲁棒多用户检测算法有提高，但计算时间较长，依旧不能解决强冲击噪声环境下的鲁棒多用户检测的全局收敛问题。

已有文献表明，在高斯噪声环境下，多用户检测函数结构的特殊性使得Hopfield神经网络和智能算法结合可在很小的计算量达到最优检测性能。但针对冲击噪声环境下的多用户检测优化函数没有特殊性，故不能把高斯噪声环境下的多用户检测算法直接进行移植。在冲击噪声下的鲁棒多用户检测首先应能建立高性能的鲁棒多用户检测优化方程，但对于无特殊结构的优化方程，冲击噪声环境下经典智能计算方法受收敛速度和收敛性能之间矛盾的制约，在现有计算条件下很难在有限的时间内搜索到最优解，需要设计新的智能算法求解冲击噪声环境特别是强冲击噪声环境下的鲁棒多用户检测问题。因此提出了一种新的混沌变异的量子Hopfield神经网络和量子鱼群算法进而设计了快速鲁棒多用户检测器。

发明内容

本发明的目的在于针对现有冲击噪声环境下鲁棒多用户检测方法的不足，提出了一种考虑可在更短的时间达到最优检测性能的基于量子Hopfield神经网络和量子鱼群算法的鲁棒多用户检测方法。

本发明的目的是这样实现的：

（1）建立鲁棒多用户检测模型：