论文部分内容阅读
由于当前物联网的蓬勃发展和人们需求的日益增加,未来的无线通信系统将会有更多的用户数量接入,从而带来巨大的系统容量需求。为此,多用户共享接入(Multi-User Shared Access,MUSA)开始被研究,该技术使用了一种复数序列作为扩展序列实现了频谱效率的提升,能够为未来巨大的物联网业务需求提供服务。本文主要针对MUSA技术中的复数扩展序列、功率分配和多用户检测算法进行研究优化,以提升MUSA系统的检测性能。本文首先介绍了MUSA技术的基本原理以及MUSA技术中的相关理论,包括复数多元扩展码序列和干扰消除接收算法。同时通过MATLAB仿真分析了MUSA技术的过载性能,验证了其可以通过复数序列的非正交复用实现一定的用户过载率,从而提升系统容量。然后本文对MUSA所使用的复数序列进行了优化设计,剔除了初始构造的一些不适合作为扩展序列的复数序列,优化后的序列用作MUSA的扩展序列相比原始的复数序列能够有效提升MUSA系统的检测性能。此外,还对比分析了MUSA中的序列碰撞现象对检测性能的影响,启发我们在MUSA技术的使用中应尽可能避免序列碰撞现象的发生。之后本文针对MUSA的下行场景,从信道容量和检测误码率(Bit Error Ratio,BER)的角度分别对功率分配对MUSA系统性能的影响进行了研究。信道容量即用户和速率的分析从两个用户的简单场景推广到多个用户的场景,验证了不同的用户功率分配会影响MUSA的信道容量。BER的分析通过MATLAB仿真得到了MUSA的检测BER曲线,由仿真结果可以看出MUSA的用户平均BER受功率分配的影响。综合两方面的分析,设计了合适的功率分配方法,可以使MUSA系统达到更优的性能容量和更低的检测BER。最后本文将深度神经网络(Deep Neural Network,DNN)方法应用于MUSA的接收端,设计出了一种不同于传统MUSA检测方法的DNN多用户检测方案。训练后的DNN接收机在高斯白噪声的信道环境以及存在瑞利衰落和高斯白噪声的信道环境均可以达到甚至优于MUSA传统检测方法的检测性能。此外,改变DNN接收机的训练样本数据以及DNN模型隐藏层的层数和神经元个数,均可以改变DNN模型的拟合表达能力,从而改变DNN接收机的检测性能。