盲多用戶檢測(cè)[1]只需要知道期望用戶的擴(kuò)頻碼以及定時(shí)信息就可以抑制擴(kuò)頻通信中的多址干擾（MAI），一直是通信領(lǐng)域的研究熱點(diǎn)。而在多徑信道中,基于恒模算法的盲多用戶檢測(cè)器受到最為廣泛的關(guān)注[2-4]。

    粒子群優(yōu)化算法PSO（Particle Swarm Optimization）是一種源于人工生命和演化計(jì)算理論的優(yōu)化技術(shù)，通過(guò)粒子搜尋自身的個(gè)體最優(yōu)解和整個(gè)粒子群的全局最優(yōu)解來(lái)更新完成優(yōu)化[5-9]，在很多領(lǐng)域得到了應(yīng)用。本文將粒子群算法運(yùn)用到基于恒模算法的盲多用戶檢測(cè)中，利用其優(yōu)異的搜索能力進(jìn)行信道估計(jì)，完成盲檢測(cè)。仿真結(jié)果顯示，粒子群算法所得到的信道估計(jì)的MMSE可以達(dá)到10-5，收斂速度很快，檢測(cè)性能理想。
1 多徑條件下的CDMA系統(tǒng)模型
    考慮一個(gè)用戶總數(shù)為j的CDMA系統(tǒng)，第j個(gè)用戶的符號(hào)用長(zhǎng)度為P的擴(kuò)頻碼cj(k)進(jìn)行擴(kuò)頻，隨后再通過(guò)一個(gè)信道參數(shù)為gj(n)的多徑信道。假設(shè)所有用戶的最大的信道階數(shù)為q，各用戶的信息序列獨(dú)立同分布，在接收端，用戶j的離散碼片采樣信號(hào)yj(n)為符號(hào)序列ωj(n)和復(fù)合信道sj(n)的卷積為：



    基于粒子群算法的盲多用戶檢測(cè)器的流程如下：
    (1) 設(shè)置粒子群的個(gè)數(shù)并對(duì)所有粒子初始化，并初始化Pbest和Gbest。
    (2) 開(kāi)始接收數(shù)據(jù)，對(duì)于每一個(gè)接收信號(hào)矢量yn：
    ①根據(jù)矩陣求逆引理自適應(yīng)計(jì)算R-1；
    ②根據(jù)式(9)計(jì)算Gbest的適應(yīng)值；
    ③根據(jù)式(9)計(jì)算每個(gè)粒子的適應(yīng)值并更新其Pbest的適應(yīng)值；
    ④根據(jù)式(7)更新每個(gè)粒子的位置和速度；
    ⑤將每個(gè)粒子的Pbest與Gbest比較，如果小于，則更新Gbest為Pbest；
    ⑥如果迭代次數(shù)達(dá)到Nmax或者Gbest的適應(yīng)值小于Vmin，開(kāi)始接收下一個(gè)數(shù)據(jù)矢量，否則回到②繼續(xù)迭代；
    (3) 如果接收數(shù)據(jù)完畢，則迭代結(jié)束，否則返回步驟(2)。
4 仿真結(jié)果
    本文用Matlab軟件進(jìn)行仿真,在CDMA系統(tǒng)中有5個(gè)干擾用戶，4個(gè)干擾用戶相對(duì)于期望用戶的MAI為10 dB，1個(gè)干擾用戶的MAI為20 dB，擴(kuò)頻碼長(zhǎng)度為31的Gold碼；期望用戶與高斯白噪聲的信噪比為20 dB；信道的多徑個(gè)數(shù)為6個(gè)，所有用戶的第一條路徑的信道幅度衰落為0 dB，期望用戶的第一條路徑的延時(shí)為0，其余路徑的延時(shí)為1~P-1之間的平均分布，信道衰落服從方差為1的高斯分布；信號(hào)的符號(hào)個(gè)數(shù)為2000，v為2；所有的Pbest以及Gbest的初始值都是[1,0,…,0]T，w從0.9均勻降至0.4，c1和c2為2；仿真次數(shù)為100次。
    圖1給出迭代次數(shù)為10時(shí)，不同的粒子個(gè)數(shù)對(duì)信道估計(jì)的影響，可以看到當(dāng)粒子個(gè)數(shù)為10時(shí)，再增加粒子個(gè)數(shù)對(duì)算法的性能提高已經(jīng)很小了，將粒子個(gè)數(shù)設(shè)為10是較好的選擇。圖2給出不同的迭代次數(shù)Nmax對(duì)算法的影響，可以看到，Nmax為10時(shí)效果已經(jīng)足夠好，如果再加大Nmax，反而會(huì)因?yàn)榈^(guò)多而造成性能損失。

    圖3和圖4顯示的是迭代次數(shù)為10時(shí)10個(gè)粒子的粒子群算法與基于MMSE約束的CMA算法的比較。從圖中可以看出，粒子群算法的性能遠(yuǎn)遠(yuǎn)好于基于MMSE約束的CMA算法，這主要是其信道估計(jì)的準(zhǔn)確性更為優(yōu)良。另外期望用戶信息序列具有單位能量和信道參數(shù)g1的模為1這兩個(gè)條件在仿真中都不滿足，所以后者在仿真中的性能達(dá)不到參考文獻(xiàn)[2]中的效果。

    本文針對(duì)目前的盲多用戶檢測(cè)算法在信道參數(shù)未知的多徑環(huán)境下的不足，將粒子群算法運(yùn)用到盲多用戶檢測(cè)中。仿真試驗(yàn)表明粒子群算法具有理想性能。但是粒子群算法也有一些不足之處，一是運(yùn)算量比較大，二是粒子群算法目前還未有成熟的理論分析，只能靠仿真進(jìn)行研究，這些問(wèn)題有待于更深入的研究。
參考文獻(xiàn)
[1] HONIG M, VERDU S. Blind adaptive multiuser detection[J]. IEEE Transactions on Information Theory, 1995，41(4):944-960.
[2] Liu Ping, Xu Zhengyuan. Blind MMSE-constrained multiuser detection[J]. IEEE Transactions on Vehicular Technology. 2008,57(1): 608-615.
[3] WHITEHEAD J B, TAKAWIRA F. Performance analysis of  the linearly constrained constant modulus algorithm-based multiuser detector[J]. IEEE Transactions on Signal Processing, 2005,53(2):643-653.
[4] GELLI G, PAURA L, VERDE F. A two-stage CMA-based  receiver for blind joint equalization and multiuser detection  in high data-rate DS-CDMA systems[J]. 2004,3(4):1209-1223.
[5] 董元，王勇，易克初.粒子群優(yōu)化算法發(fā)展綜述[J].商洛學(xué)院學(xué)報(bào), 2006,24(4):28-33.
[6] SOO K K, SIU Y M, CHAN W S, et al. Particle-swarm optimization-based multiuser detector for CDMA communications[J]. IEEE Transactions on Vehicular Technology, 2007, 56(5):3006-3013.
[7] Chen Pohung. Pumped-storage scheduling using evolutionary particle swarm optimization[J]. IEEE Transactions on  Energy Conversion, 2008,23(1):294-301.
[8] LIU Z, JI T Y, TANG W H, et al. Optimal harmonic estimation using a particle swarm optimizer[J]. IEEE Transactions on Power Delivery, 2008,23(2):1166-1174.
[9] 張曉東，李小平，王茜，等.服務(wù)工作流的混合粒子群調(diào)度算法[J].通信學(xué)報(bào)，2008,29(8):87-99.
[10] 謝曉鋒，張文俊，楊之廉.微粒群算法綜述[J].控制與決策，2003,18(2):129-134.