ICA自适应核估计在多用户检测中的应用

doi:10.3778/j.issn.1002-8331.2010.31.065

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (31): 232-234.DOI: 10.3778/j.issn.1002-8331.2010.31.065

ICA自适应核估计在多用户检测中的应用

宛明高^1，2，李晓辉¹

1.安徽大学电子科学与技术学院，合肥 230039
2.池州学院机电工程系，安徽池州 247000

收稿日期:2009-03-26 修回日期:2009-05-20 出版日期:2010-11-01 发布日期:2010-11-01
通讯作者: 宛明高

Application of ICA adaptive kernel estimation in multi-user detection

WAN Ming-gao^1，2，LI Xiao-hui¹

1.School of Electronic Science and Technology，Anhui University，Hefei 230039，China
2.Department of Mechanical and Engineering，Chizhou College，Chizhou，Anhui 247000，China

Received:2009-03-26 Revised:2009-05-20 Online:2010-11-01 Published:2010-11-01
Contact: WAN Ming-gao

摘要/Abstract

摘要： 将自适应核估计的ICA算法应用于DS-CDMA系统的多用户检测中，在没有关于混叠信号的分布假设时，根据信号的统计特性自动估计评价函数，采用自适应核密度估计ICA算法检测器的输出初始化独立分量分析的迭代，对任意混叠信号进行盲分离。通过与传统匹配滤波检测和ICA后处理匹配滤波检测进行仿真比对，证明了该算法在DS-CDMA多用户检测中的可行性和优越性。

关键词: 码分多址, 自适应核密度估计, 独立分量分析, 多用户检测

Abstract: ICA（Independent Component Analysis） algorithm of adaptive kernel estimation is applied to DS-CDMA system in multi-user detection.When not having aliasing signal distribution supposition，according to the signal statistical property，the appraisal function is estimated automatically and the random aliasing signal is separated blindly by using the output of the adaptive kernel density estimation ICA algorithm detector to initialize the independent component analysis iteration.By comparing the simulation results of the traditional matched filtering detection，the ICA post-processing matches filtering detection and this method，the results show that this algorithm in DS-CDMA multi-user detection has feasibility and superiority.

Key words: Code Division Multiple Access（CDMA）, adaptive kernel estimation, Independent Component Analysis（ICA）, multi-user detection

中图分类号:

TN911.23

宛明高^1，2，李晓辉¹. ICA自适应核估计在多用户检测中的应用[J]. 计算机工程与应用, 2010, 46(31): 232-234.

WAN Ming-gao^1，2，LI Xiao-hui¹. Application of ICA adaptive kernel estimation in multi-user detection[J]. Computer Engineering and Applications, 2010, 46(31): 232-234.

[1]	贾雁飞，杜艳丽，赵立权. 快速收敛参考独立分量分析方法[J]. 计算机工程与应用, 2020, 56(7): 255-259.
[2]	王灿锋，孙曜. 改进独立分量算法的眼电伪迹去除方法研究[J]. 计算机工程与应用, 2018, 54(4): 167-173.
[3]	仇国庆，张少昀，赵婉滢，马俊. 基于PSO-ICA的文本分类研究[J]. 计算机工程与应用, 2018, 54(14): 95-99.
[4]	何安玲，何选森. 基于有理非线性函数的Fast-ICA算法[J]. 计算机工程与应用, 2018, 54(1): 251-255.
[5]	赵立权，王欣. 基于改进的人工蜂群的独立分量分析方法[J]. 计算机工程与应用, 2017, 53(18): 204-207.
[6]	陈梦，何选森. 基于八阶收敛牛顿迭代的Fast-ICA改进算法[J]. 计算机工程与应用, 2017, 53(11): 178-181.
[7]	恩德1，陈亚柯1，毛哲龙2. 基于FastICA的低信噪比下L-PLC语音的间断传输[J]. 计算机工程与应用, 2016, 52(9): 108-111.
[8]	罗文娟1，袁莉芬1，2，何怡刚2. 一种基于十五阶的FastICA改进算法[J]. 计算机工程与应用, 2016, 52(20): 108-113.
[9]	蔡伟华，何选森. 基于UWT和独立分量分析的含噪盲源分离[J]. 计算机工程与应用, 2016, 52(16): 180-185.
[10]	汪道德1，何鹏举1，龙莉莉2. FSS-kernel与FastICA融合的盲源分离算法研究[J]. 计算机工程与应用, 2015, 51(2): 209-212.
[11]	张志富，裴军. QR分解卡尔曼盲自适应多用户检测算法[J]. 计算机工程与应用, 2015, 51(15): 202-205.
[12]	张杰，刘辉，欧伦伟. 改进的FastICA算法研究[J]. 计算机工程与应用, 2014, 50(6): 210-212.
[13]	孙浩，周力，邱意敏. 基于最大信息理论和共轭梯度寻优的ICA算法[J]. 计算机工程与应用, 2014, 50(4): 219-222.
[14]	任静1，李维勤2，惠鏸2. 基于alpha稳定分布的盲信号分离[J]. 计算机工程与应用, 2014, 50(18): 215-219.
[15]	刘建立1，2，沈菁1，王蕾1，高卫东1. 织物纹理的简单视神经细胞感受野的选择特性[J]. 计算机工程与应用, 2014, 50(1): 185-190.

ICA自适应核估计在多用户检测中的应用

Application of ICA adaptive kernel estimation in multi-user detection

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics