独立分量分析(Independent Component Analysis,简称ICA)是近二十年来逐渐发展起来的一种盲信号分离方法。它是一种统计方法,其目的是从传感器收集到的混合信号中分离出相互独立的源信号,使得这些分离出来的源信号之间尽可能独立。基本的ICA除了已知源信号是统计独立外,无需其他先验知识。ICA所具有的这个特性决定了其应用于信号分离的自身优势,它在语音识别、电信和医学信号处理等信号处理方面有着广泛的应用,目前已成为盲信号处理、人工神经网络等领域中的一个研究热点。多用户检测是CDMA通信系统中抗干扰的关键技术。在实际的CDMA通信系统中,各个用户信号之间具有一定的相关性,这是多址干扰(MAI)存在的根源。独立分量分析(ICA)用于多用户检测可以很好地利用CDMA系统中各用户信息间独立性这一特点,从而有效地消除多址干扰,缓解CDMA易受攻击的远近效应问题。本文把FastICA算法用于多用户检测,并基于此算法与传统的RAKE接收机相结合提出了两种多用户检测的改进方案,仿真结果表明两种方案较改进前在性能上有较大提升。本文首先简要的阐述了ICA的发展、应用和现状,详细地论述了ICA的原理及实现过程,系统地介绍了目前几种主要的ICA算法以及它们之间的内在联系。本文在第4章介绍了以扩频技术为基础的CDMA通信系统的基本原理,简要阐述了多址干扰和远近效应对CDMA通信系统的影响,分析了利用经典的FastICA算法作为多用户检测器线性变换部分的分离算法的可行性,并通过仿真实验证明了该方案的有效性。在本文第5章的分析中充分考虑到系统中噪声以及干扰的影响,并将ICA与传统的多用户检测方案RAKE结合,提出了Pre-switching ICA-RAKE和Post-switching ICA-RAKE两种改进方案。仿真表明,以上两种改进方案有效地提高了传统CDMA接收机的性能。