[发明专利]基于模拟退火神经网络和消除干扰的数据检测方法

说明书

本发明公开了一种基于模拟退火神经网络和消除干扰的数据检测方法，其步骤为：获得扩频数据；对扩频数据进行调制；判断是否选取完10个终端用户；生成混合数据；对混合数据进行解调；产生训练样本数据；构建模拟退火神经网络；训练模拟退火神经网络；判断训练迭代次数是否小于1000；获得模拟退火神经网络优化数据；获得消除干扰数据；设置初始值；计算错误元素总数；判断当前迭代次数是否等于消除干扰数据元素总数；检测数据误码率。本发明可用于从高斯信道中同一频段上的混合数据中检测出用户发送的数据，与现有技术方法相比，本发明检测出用户发送的数据具有最低的误码率。

技术领域

本发明属于通信技术领域，更进一步涉及无线通信技术领域中的一种基于模拟退火神经网络和消除干扰的数据检测方法。本发明可用于从高斯信道中同一频段上的混合数据中以最低误码率检测出用户发送的数据。

背景技术

用户发送的数据经过多载波直接序列码分多址(Multicarrier direct sequencecode division multiple access)技术处理后在无线通信中高斯信道的同一频段上传输，用户发送的数据使用扩频码进行编码调制，接收端根据扩频码的正交性完成用户的数据检测。多载波直接序列码分多址MC-DS-CDMA技术将码分多址CDMA(code division multipleaccess)和正交频分复用OFDM(Orthogonal Frequency Division Multiplexing)技术相结合，具有较高的频谱利用率、低截获率、较强的抗干扰能力的优点。然而，由于扩频码的不完全正交，加上正交频分复用OFDM技术对扩频码的正交性产生了进一步的破坏，不同用户发送的数据之间的干扰严重，使得用户的数据检测相当困难。

南京邮电大学在其申请的专利文献“量子神经网络用于多用户检测的方法”(申请专利号：200610038722.1，公开号：CN100547944C)中提出了一种量子神经网络用于多用户检测的方法。该方法通过经典计算机仿真，将量子神经网络构成多用户检测器，网络核心采用反馈型量子神经网络简化多用户检测器的结构，量子神经网络使用梯度下降算法经过多次迭代得到稳定的网络权值和阈值，形成稳定的网络，网络演化利用量子并行计算特性进行快速寻优，降低多用户检测器的复杂度和误码率。但是，该方法仍然存在的不足之处是，由于量子神经网络的迭代过程采用梯度下降算法，得到的权值和阈值并不是最优的权值和阈值，影响神经网络的分类检测性能，导致神经网络输出的数据与用户发送数据相差过大，检测出用户数据的误码率较高。

赵星在其发表论文“同步DS-CDMA系统中基于信号重构的并行干扰消除算法的设计与实现”(南京邮电大学学报(自然科学版),2016,36(1):64-70)中提出了一种基于信号重构的并行干扰消除算法的设计与实现方法。该方法为了保证每个目标的解调性能，采用干扰消除算法，在相关解调后重构信号，根据扩频码的互相关性并行消除各目标中的其他干扰信号，然后再次相干解调，以达到减小解调误码率的效果。该方法存在的不足之处是，仅考虑了扩频码的不完全正交带来的影响，没有考虑到由于正交频分复用OFDM调制，进一步破坏了扩频码的正交性，不完全正交带来的影响没有被完全消除，检测出的的数据与用户发送的数据相差较大。

发明内容

本发明的目的在于针对上述已有技术的不足，提出一种基于模拟退火神经网络和消除干扰的数据检测方法。

实现本发明目的的思路是，通过模拟退火神经网络的分类检测性能，从混合数据中提取出模拟退火神经网络优化数据，通过干扰消除方法消除模拟退火神经网络优化数据中的干扰数据，得到用户发送的数据，以用户发送的数据的误码率作为检测性能好坏的依据。

本发明具体步骤包括如下：

(1)获得扩频数据：

(1a)从10个终端用户中任选一个，作为向基站注册拟发送数据的目标用户；

(1b)基站随机产生一段数据，叠加到目标用户拟发送的数据之前，组成叠加数据；