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

    粒子群優化算法PSO（Particle Swarm Optimization）是一種源于人工生命和演化計算理論的優化技術，通過粒子搜尋自身的個體最優解和整個粒子群的全局最優解來更新完成優化[5-9]，在很多領域得到了應用。本文將粒子群算法運用到基于恒模算法的盲多用戶檢測中，利用其優異的搜索能力進行信道估計，完成盲檢測。仿真結果顯示，粒子群算法所得到的信道估計的MMSE可以達到10-5，收斂速度很快，檢測性能理想。
1 多徑條件下的CDMA系統模型
    考慮一個用戶總數為j的CDMA系統，第j個用戶的符號用長度為P的擴頻碼cj(k)進行擴頻，隨后再通過一個信道參數為gj(n)的多徑信道。假設所有用戶的最大的信道階數為q，各用戶的信息序列獨立同分布，在接收端，用戶j的離散碼片采樣信號yj(n)為符號序列ωj(n)和復合信道sj(n)的卷積為：



    基于粒子群算法的盲多用戶檢測器的流程如下：
    (1) 設置粒子群的個數并對所有粒子初始化，并初始化Pbest和Gbest。
    (2) 開始接收數據，對于每一個接收信號矢量yn：
    ①根據矩陣求逆引理自適應計算R-1；
    ②根據式(9)計算Gbest的適應值；
    ③根據式(9)計算每個粒子的適應值并更新其Pbest的適應值；
    ④根據式(7)更新每個粒子的位置和速度；
    ⑤將每個粒子的Pbest與Gbest比較，如果小于，則更新Gbest為Pbest；
    ⑥如果迭代次數達到Nmax或者Gbest的適應值小于Vmin，開始接收下一個數據矢量，否則回到②繼續迭代；
    (3) 如果接收數據完畢，則迭代結束，否則返回步驟(2)。
4 仿真結果
    本文用Matlab軟件進行仿真,在CDMA系統中有5個干擾用戶，4個干擾用戶相對于期望用戶的MAI為10 dB，1個干擾用戶的MAI為20 dB，擴頻碼長度為31的Gold碼；期望用戶與高斯白噪聲的信噪比為20 dB；信道的多徑個數為6個，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為0，其余路徑的延時為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；信號的符號個數為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；仿真次數為100次。
    圖1給出迭代次數為10時，不同的粒子個數對信道估計的影響，可以看到當粒子個數為10時，再增加粒子個數對算法的性能提高已經很小了，將粒子個數設為10是較好的選擇。圖2給出不同的迭代次數Nmax對算法的影響，可以看到，Nmax為10時效果已經足夠好，如果再加大Nmax，反而會因為迭代過多而造成性能損失。

    圖3和圖4顯示的是迭代次數為10時10個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遠好于基于MMSE約束的CMA算法，這主要是其信道估計的準確性更為優良。另外期望用戶信息序列具有單位能量和信道參數g1的模為1這兩個條件在仿真中都不滿足，所以后者在仿真中的性能達不到參考文獻[2]中的效果。

    本文針對目前的盲多用戶檢測算法在信道參數未知的多徑環境下的不足，將粒子群算法運用到盲多用戶檢測中。仿真試驗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，只能靠仿真進行研究，這些問題有待于更深入的研究。
參考文獻
[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.粒子群優化算法發展綜述[J].商洛學院學報, 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.服務工作流的混合粒子群調度算法[J].通信學報，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.