支持向量机在WCDMA移动通信系统多用户检测中的应用.pdf

北京石油化工学院学报 第 18卷 第 4期 Vo1．18 NO．4 JournalofBeijingInstituteof 2010年 12月 Dec．2O10 Petro～chemicalTechnology 支持 向量机在 WCDMA移动通信系统 多用户检测中的应用 刘家彬 李文元 (It京石油化工学院通信工程系，北京 102617) 摘 要 从结构风险最小化 (SRM)理论发展而来的支持向量机 (SVM)为模式识别提供了一 种新的途径。将 SVM应用于宽带码分多址 (WCDMA)移动通信系统 中的多用户检测 (MUD)中。利用最 小序列优化(SMO)算法构造基于非线性核的接收机 ，提出了一种适合于 WCDMA系统的SVM-MUD。在 同步的假设下，仿真比较了SVM MUD和传统的去相关检测器、匹配滤波 (MF)检测器和最小均方误差 (MMsE)检测器的误 比特(BER)性能。结果表明，在高斯信道下，SVM-MUD的性能更加稳定可靠。 关 键 词 多用户检测 ；支持 向量机 ；宽带码分 多址 ；机器学习；移动通信 中图法分类号 TN9l3 。 支持 向量机 (SVM)是 由结构风险最小化 对于抵抗符号问干扰 (ISI)和多址干扰 (MAI) (SRM)理论发展而来的一种新 的分类技术 ，近 非常有效 ，但其研 究仅限于窄带 的CDMA 系 年来引起了人们的特别关注。在许多应用 中， 统 ，并没有针对宽带码分多址 (WCDMA)系统 与传统的学习机相比SVM 都显示 出了较好 的 进行讨论。 性能 ，因而成为解决分类 问题的有力工具 。 笔者 主 要 研 究 SVM 在 WCDMA 系 统 SVM分类 的基本 原理是将 N 维输入空 间X MUD检测 中的应用，仿真分析其误 比特率 映射到一个L维 (LN)的特征空间 z中，在 BER(BitErrorRate)性能 ，并与其它传统的线 Z中寻找C一1个最优的超平面以最大化地分 性 MUD的BER性能进行比较。结果表明，使 割Z中的C个类 。“最大化地分割”是一个二 用较少的训练样本序列所得到 的SVM—MUD 次型规划问题 ，可以利用拉格朗 日乘子法解决。 的BER性能与需要全部信息 的最优 MUD的 而最优超平面，SVM 是通过在 Z中被称为 BER性能相 当，甚至更优。因此 ，笔者所提算 “核”的点积函数来求解的，这些 “最优超平面” 法复杂度低 、速度快，实用有效 。 解可 以用 X 中的点的某种组合来表示，即所谓 1 系统模型 的 “支持向量”，所以这种分类技术被称为支持 向量机 。 “核”与 “支持向量”是 SVM 的两个重 考虑具有 【，( ≥1)个用户 的WCDMA移 要概念，不同的 “核”得到不同的 “支持向量”，也 动通信系统 ，各用户的发送数据采用二进制相 就有不同性能 的 SVM 分类器 。有关 SVM 理 移键控 (BPSK)方式调制 。每一用户 U被分配 论的详细内容请参考文献[3—4]。 一 个唯一的标识波形S(￡)， SVM 技术的应用非常广泛 ，当然包括在移 N