导读:本文包含了多用户检测技术论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:多用户,正交,算法,异常,社交,检测技术,波束。
多用户检测技术论文文献综述
左润东[1]（2019）在《提升MUSA多用户检测性能的关键技术研究》一文中研究指出由于当前物联网的蓬勃发展和人们需求的日益增加,未来的无线通信系统将会有更多的用户数量接入,从而带来巨大的系统容量需求。为此,多用户共享接入(Multi-User Shared Access,MUSA)开始被研究,该技术使用了一种复数序列作为扩展序列实现了频谱效率的提升,能够为未来巨大的物联网业务需求提供服务。本文主要针对MUSA技术中的复数扩展序列、功率分配和多用户检测算法进行研究优化,以提升MUSA系统的检测性能。本文首先介绍了MUSA技术的基本原理以及MUSA技术中的相关理论,包括复数多元扩展码序列和干扰消除接收算法。同时通过MATLAB仿真分析了MUSA技术的过载性能,验证了其可以通过复数序列的非正交复用实现一定的用户过载率,从而提升系统容量。然后本文对MUSA所使用的复数序列进行了优化设计,剔除了初始构造的一些不适合作为扩展序列的复数序列,优化后的序列用作MUSA的扩展序列相比原始的复数序列能够有效提升MUSA系统的检测性能。此外,还对比分析了MUSA中的序列碰撞现象对检测性能的影响,启发我们在MUSA技术的使用中应尽可能避免序列碰撞现象的发生。之后本文针对MUSA的下行场景,从信道容量和检测误码率(Bit Error Ratio,BER)的角度分别对功率分配对MUSA系统性能的影响进行了研究。信道容量即用户和速率的分析从两个用户的简单场景推广到多个用户的场景,验证了不同的用户功率分配会影响MUSA的信道容量。BER的分析通过MATLAB仿真得到了MUSA的检测BER曲线,由仿真结果可以看出MUSA的用户平均BER受功率分配的影响。综合两方面的分析,设计了合适的功率分配方法,可以使MUSA系统达到更优的性能容量和更低的检测BER。最后本文将深度神经网络(Deep Neural Network,DNN)方法应用于MUSA的接收端,设计出了一种不同于传统MUSA检测方法的DNN多用户检测方案。训练后的DNN接收机在高斯白噪声的信道环境以及存在瑞利衰落和高斯白噪声的信道环境均可以达到甚至优于MUSA传统检测方法的检测性能。此外,改变DNN接收机的训练样本数据以及DNN模型隐藏层的层数和神经元个数,均可以改变DNN模型的拟合表达能力,从而改变DNN接收机的检测性能。(本文来源于《哈尔滨工业大学》期刊2019-06-21）
袁丽欣[2]（2019）在《社交网络异常用户检测技术研究》一文中研究指出近年来,社交网络服务蓬勃发展,但由于自身具有开放性,在人们对其依赖性日益增长的同时,涌现出大量恶意牟利的异常用户,他们发送广告链接、传播虚假信息、甚至发起恶意攻击等,不仅降低社交网络的服务质量,扰乱社交网络秩序,还对正常用户带来严重的安全威胁,为公安工作带来严峻挑战。本文综合分析了国内外学术成果和现有研究方法,针对Twitter、微博等大规模社交网络中的异常用户检测技术进行了深入研究,将社交网络异常检测映射为向量空间中的分类问题,确立了集成分类的研究思路,对特征提取和算法选择两方面提出了改进措施,从而提升异常检测的效果。第一,在特征提取方面,针对当前研究未能有效挖掘用户关注关系的现状,改进了现有的社交网络用户特征提取方法,基于信息论和同质性原理,提出融合特征提取模型,从而综合提取用户自身节点特征与邻居特征。首先应用Word2vec、LDA等自然语言处理模型以及复杂网络计算方法,全面提取用户行为、文本、网络等方面显式和隐式的节点特征,充分挖掘语义信息和网络拓扑结构信息。其次,利用节点邻接矩阵和影响力矩阵共同运算得到邻居特征,并根据Relief算法选择对分类效果贡献最大的K个邻居特征,与节点特征共同形成融合特征集。经在人工标注的真实Weibo数据集上实验,运用SVM、随机森林等四个传统分类器处理融合特征集,与提取节点原始特征相比,召回率最高可提升5%,证明本文方法具备有效性。第二,在算法选择方面,针对传统社交网络异常用户检测算法处理多维特征能力不足、特征选择容易造成信息损耗,以及应用于现实中非平衡数据集时存在召回率低、运行效率低等问题,首次使用梯度增强集成分类器XGBoost算法作为检测方法,应用于社交网络异常用户检测领域,优化参数选择,建立分类模型。本文针对叁个真实社交网络数据集重新提取特征,通过欠采样技术构造不同比例的非平衡数据集并运用XGBoost识别多种垃圾广告发送账号。实验结果表明,该方法在社交网络异常用户的二分类和多分类中均取得了召回率达到90%以上的优异表现,与随机森林等传统分类方法相比实现了召回率和F值的有效提升,且在平衡数据集和非平衡数据集中均能保持较好的鲁棒性。(本文来源于《中国人民公安大学》期刊2019-06-10）
马超艺[3]（2019）在《基于盒型约束二分坐标下降的多用户和多天线系统检测技术的研究》一文中研究指出随着移动通信业务量的急剧增长,未来移动通信系统除了需要满足更高的系统容量,更可靠的传输和更大的覆盖范围以外,还要追求低成本和绿色环保,因此迫切需要设计适合实际需求的高效、低复杂度算法,从而提高系统的传输质量。多用户检测(Multiuser Detection,MUD)技术可以从众多的用户信号中检测判决出每个用户的有用信息,有效地抑制了多址干扰,提升了码分多址(Code Division Multiple Access,CDMA)系统的性能。多天线技术即多输入多输出(Multiple-input Multiple Output,MIMO)通过空间复用和分集技术可以提高系统容量和性能。多用户和多天线检测技术可以有效提升频谱效率,因此受到了广泛的关注。最大似然算法可以提供最优检测性能,但是其复杂度随系统规模增大呈指数增长。目前有研究人员提出了很多次优检测算法,它们可以有效降低复杂度,但是这些算法与最大似然检测算法相比,仍然存在很明显的性能差距。常见的检测算法有解相关和最小均方误差(Minimum Mean Square Error,MMSE),它们不能提供很好的检测性能,而且需要对矩阵求逆操作。理想检测算法可以等效为求解一个约束型方程。然而,通常求解该问题的运算复杂度非常高。在本研究中,我们设计了一些低复杂度和高性能的检测技术。这些检测技术主要是基于二分坐标下降(Dichotomous Coordinate Descent,DCD)算法。DCD算法采用移位取代乘法和除法操作,因此非常适合于实时操作。我们提出了基于盒型约束DCD(DCD-A)的非定常对角加载迭代的检测技术(DCD-DL)。数据结果显示,所提出的算法与MMSE、判决反馈(Decision Feedback,DF)、概率数据关联(Probabilistic Data Association,PDA)算法相比,可以有效提高多用户检测性能,尤其是在高负载情况下可以提供接近单用户的检测结果。另外DCDDL技术也在20×20和60×60的MIMO系统中进行了性能测试,数据显示在低信噪比条件下,当迭代次数N(28)5时,DCD-DL的组误码率明显低于算法DF、DCD-A和MMSE,与PDA的性能接近,且平均复杂度低于MMSE和PDA;在高信噪比条件下,当迭代次数N(28)3时,DCD-DL算法的检测性能优于PDA的性能。DCD-DL检测技术可以提供较好的检测性能,但是它只能实现实数信号的检测,为了解决复数信号检测问题,我们进行了改进,提出了零输入二阶盒型约束DCD的复数检测算法(二阶DCD-B)和随机输入二阶盒型约束DCD的复数检测算法(二阶DCD-BR)。仿真结果显示,在4QAM和16QAM调制下,二阶DCDB算法的检测效果要优于盒型约束DCD算法。在60×60 MIMO系统和高SNR条件下,随机数据作为初始值的二阶DCD-BR检测性能优于零输入作为初始值的二阶DCD-B检测。(本文来源于《郑州大学》期刊2019-05-01）
张金程[4]（2018）在《DS-CDMA系统的多用户检测技术研究》一文中研究指出码分多址接入技术具有频带利用率高、系统容量大、软切换、隐蔽安全性好等优点,广泛应用于现代移动通信、导航定位、雷达等领域。在直扩频码分多址(Direct Spread Code Division Multiple Access,DS-CDMA)系统中,由于扩频序列资源有限、信息的异步传输以及不同用户的随机接入等原因,用户的扩频序列不能时刻保持完全正交,系统中不可避免的存在多址干扰,导致系统性能下降。最优多用户检测技术具有良好的检测性能,但是随着用户数量的增加,计算量成指数增长,实际系统中难以实现。本文主要研究了基于线性判决函数的部分并行干扰消除算法和基于入侵杂草优化算法的多用户检测技术,针对算法存在的问题,提出了改进措施。主要工作如下:(1)对基于线性判决函数的部分并行干扰消除算法进行研究,提出改进的线性判决函数,并对参数设置进行分析。仿真表明,基于改进线性判决函数的多级部分并行干扰消除算法具有良好的检测性能。(2)为了将入侵杂草算法应用于多用户检测问题,本文通过映射函数将杂草扩散值转换成杂草某一维度的变异概率,形成二进制入侵杂草优化算法。通过此方法,构建了基于入侵杂草算法的多用户检测模型。针对基本入侵杂草算法的正态扩散标准差收敛速度慢的问题,设计了改进的标准差变化曲线,提出了基于改进入侵杂草算法的多用户检测。通过仿真,验证了所提算法在多用户检测问题中的有效性,基于改进入侵杂草算法的多用户检测性能接近最优多用户检测,且具有较好的收敛速度。(3)针对入侵杂草算法中杂草个体没有信息共享、收敛速度慢的问题,本文在改进的入侵杂草算法中引入了粒子群算法,提出基于粒子群-入侵杂草混合优化算法的多用户检测。通过仿真分析,基于该混合算法的多用户检测收敛性能优于基于基本粒子群算法的多用户检测和基于改进入侵杂草算法的多用户检测。(4)针对基于改进入侵杂草算法多用户检测收敛速度慢的问题,在改进的入侵杂草算法中嵌入并行干扰消除算法,提出嵌入并行干扰消除的入侵杂草算法多用户检测。通过仿真分析,基于该混合算法的多用户检测性能接近最优多用户检测,收敛速度比基于改进入侵杂草算法的多用户检测更快。(本文来源于《哈尔滨工程大学》期刊2018-12-01）
张男,龚磊,翟旭平[5]（2018）在《M2M通信系统下基于压缩感知的多用户检测技术》一文中研究指出M2M通信具有零星性,为了缓解大规模M2M通信带来的大量控制信号开销问题,CS-MUD被广泛研究。讨论了在帧传输结构下利用压缩感知的MMV模型来进一步提高多用户检测中的行为检测性能。为了使SOMP算法更具实际价值,提出CV-SOMP算法,通过利用交叉验证残差在迭代次数等于稀疏度时具有极小值来估计稀疏度。一方面,MMV模型通过利用源信号具有相同的稀疏结构,使得SOMP算法每次迭代中通过利用残差矩阵来更新支撑集,大幅提高了用户行为检测性能;另一方面,用户行为检测性能的提高导致用户数据检测性能也得到了大幅度改善。仿真结果表明CV-SOMP算法在稀疏度未知情况下不仅能够100%进行稀疏度估计而且能够大幅度提高多用户检测性能,另外在保证检测性能的条件下能够支持过载系统,提高频谱利用率。(本文来源于《电子测量技术》期刊2018年15期）
周赫[6]（2018）在《多波束卫星MIMO通信系统多用户检测技术研究》一文中研究指出对轨道资源受限,频率资源紧张的卫星通信系统而言,为了满足未来高速率高容量通信的需求,为用户提供高性能服务。我们设想将地面的MIMO技术应用于卫星通信系统,MIMO技术的应用带来了容量的大幅提升的同时还带来了严重的多址干扰问题,进而本文研究旨在解决由多址干扰引起的多用户检测算法在多波束卫星MIMO通信系统中的应用。首先,本文基于多波束卫星系统关键技术以及MIMO通信系统模型设计多波束卫星MIMO通信系统。针对在该系统中用户遭受的容量限制以及多址干扰问题。在此模型上依照多用户检测算法分别进行了前向链路以及反向链路的系统容量,误码率仿真。然后建立多波束卫星MIMO通信系统的链路模型。探讨在多波束卫星MIMO前向链路中采用不同的多用户检测技术时(分别为强干扰消除多用户检测,分时多用户检测,空时编码多用户检测)系统的容量表现。发现该系统内波束边缘用户将会接收到较弱的发射信号。为了保证系统内部用户均能享受合理的资源分配。通过引入智能粒子群优化算法来修正该问题。通过对边缘波束的形状进行修正,从卫星的发射端对信号所要经历的衰减进行补偿,提高用户的接收功率,保证系统公平性。面临的问题则是在地面端采用多用户检测算法时,算法性能受终端体积限制。最后在反向链路中,为了提高卫星端解码性能,降低误码率,同时降低卫星端复杂度。我们研究优化串行干扰消除检测算法,包括基于列范数排序和SINR排序两种。通过结合多阶检测的想法,最后提出了基于列范数排序的分组多阶检测串行干扰消除技术(MS-F-MMSE-GOSIC)算法。通过对误码率进行仿真验证了该方案的可行性。(本文来源于《哈尔滨工业大学》期刊2018-06-01）
白艳娜[7]（2018）在《MMTC中基于深度学习的多用户接入检测技术研究》一文中研究指出与传统语音通信不同,在大规模机器通信中,大量的接入节点仅零星的以低速率传输小数据包。该传输特性导致携带用户信息的控制信令对通信的开销占比过大,因此,急需在物理层寻找新的接入方法来削减通信开销。压缩感知理论是一门近年来新兴的理论,它突破了奈奎斯特采样定理中对采样频率的限制要求,可以用较少的测量值恢复采样数据,缩减了传统采样过程中所产生的冗余信息。有学者将压缩感知理论引入机器类型通信领域,提出了利用机器通信中的稀疏性通过压缩感知进行随机接入用户的检测,从而通过避免控制信令达到削减通信开销的目的。但是传统的压缩感知重构算法时间复杂度过高,无法满足通信系统的实时性要求。因此,本文在该系统的基础上,将深度学习引入大规模机器通信中,构建的深度学习模型,将多用户稀疏接入检测转换为活跃用户的多标签分类问题,使用已知的用户导频序列生成训练数据,使用训练的深度学习模型进行实时的多用户随机接入检测。与一般的压缩感知的稀疏模型不同,由于通信中的多径无线信道,该系统模型具有块稀疏的特性。针对该特性,本文设计了一种新型的块稀疏网络模型。通过在深度学习模型中增加一个新的块激活层,来捕捉多用户检测问题中的块稀疏结构,从而进一步的提高多用户检测的准确率。同时本文还进行了基于用户数据分布的模型的优化研究。最后,本文使用Python语言和mxnet深度学习框架搭建了基于深度学习的多用户检测系统,对设计的块稀疏神经网络模型进行相关的实验仿真,并与传统的压缩感知重构信号算法进行了比较。实验结果表明,基于深度学习的多用户检测方法在检测时间上比传统压缩感知重构方法降低了千倍以上。同时也验证了本文所提出的块激活神经网络模型和基于用户分布的优化方法能够有效的提高多用户检测的准确率。(本文来源于《北京交通大学》期刊2018-06-01）
范彬[8]（2018）在《免调度NOMA系统重传及多用户检测技术研究》一文中研究指出随着科技的发展,移动互联网和物联网业务爆炸式的增长。非正交多址接入(NOMA)已成为未来5G无线通信的关键技术之一,可提高频谱效率并支持大量用户接入。NOMA通过免调度的传输方式,实现海量用户的接入,接收端使用先进的多用户检测技术,实现迭加用户信号的分离。然而,免调度设计允许用户自由的传输数据,增加了用户碰撞的概率,这对系统可靠性是一个严峻的挑战。目前对于免调度多用户检测算法的研究,为了降低接收端的复杂度,都是在已知用户活动信息的前提下进行的,这是不切实际的。本文针对上述问题,对免调度NOMA系统中的重传方案和多用户检测算法进行研究。主要工作如下:首先,本文阐述了NOMA系统的基本原理和免调度传输中的重传、时延等问题。从叁种候选的多址技术入手,分析了NOMA中的关键技术。通过比较叁类不同的多用户检测接收机,分析了接收端的多用户检测算法。其次,本文针对免调度传输的重传问题,提出了一种自适应重复发送的混合自动重传(HARQ)方案。该方案在传统HARQ基础上减少初次发送资源数量,从而降低了多个用户数据冲突的概率;后续重传发生时增大重复发送资源数,且减少软合并信息带来的冗余度,使系统性能在可靠性和资源效率上达到更好的折衷。仿真验证了本文所提的方案相比传统的HARQ方案,不仅获得了更好的误码性能,还提高了系统资源使用效率。最后,本文根据免调度NOMA系统中活跃用户存在稀疏性的特点,提出了一种基于压缩感知和消息传递的多用户检测算法。该算法利用压缩采样匹配追踪(CoSaMP)得到活跃用户的位置信息,再采用消息传递算法对这些活跃用户的数据进行迭代检测,恢复出原始稀疏信号。由于通过CoSaMP算法能准确得到稀疏活跃的用户信息,大大减少了消息传递对数据检测的用户基数,从而提升了多用户检测性能。仿真结果表明,本文所提算法在保证较好的鲁棒性的前提下,可以提高系统性能增益。(本文来源于《重庆邮电大学》期刊2018-05-20）
赵晓娟[9]（2018）在《非正交多址接入中基于压缩感知的多用户检测技术研究》一文中研究指出未来5G移动通信在频谱效率和用户连接数等方面的需求都有巨大的增长,非正交多址接入(NOMA)打破了传统接入方式中资源正交的限制,允许多个用户通过功率域或码域的多路复用共享相同的时频资源,成为5G的关键技术之一。其中,上行免调度NOMA系统可以节约信令开销,减小传输时延而备受关注,但是基站端无法获知用户的活动状态,因而需要对用户的活动信息进行检测。由于该系统中用户活动具有稀疏性,满足压缩感知(CS)理论中信号必须稀疏的特点。鉴于此,本文对上行免调度NOMA系统中基于压缩感知的多用户检测(MUD)做了相关研究,具体内容如下:第一,考虑基站配备单根天线的情况,结合压缩感知理论,重点分析了上行免调度NOMA系统中利用不同类型的压缩感知重构算法进行多用户检测时,活跃用户数量和系统的过载率对检测性能的影响。仿真结果表明,随着活跃用户数量和过载率的增加,常用的压缩感知算法检测性能逐渐变差,而结构化迭代支撑检测算法(SISD)的检测性能依旧较好。第二,考虑基站端配备多根天线的情况,提出一种基于压缩感知的硬融合算法(CS-HFA)实现上行免调度SIMO-NOMA系统的多用户检测。该算法首先在每根天线利用传统的压缩感知算法检测用户的活动信息,然后融合每根天线检测出的用户活动信息获得一个估计的活跃用户的集合。最后,利用这个集合估计活跃用户的传输数据。与传统的单天线情况相比,通过适当的增加天线的数目,所提算法的误码率性能显着提高。第叁,针对上行免调度SIMO-NOMA系统中活跃用户数量未知的情况,提出一种稀疏度自适应的多用户检测算法(SAMP-HFA)。该算法首先通过对传统的SAMP算法设定合适的停止阈值分别在每根天线端对用户的活动信息进行检测,然后通过对多根天线的检测信息进行融合进而提高用户活动信息检测的准确性。该算法不仅以较低的复杂度实现了SIMO-NOMA系统中活跃用户数量未知情况下的多用户检测,并且随着天线数目的增加,该算法的检测性能显着提高。(本文来源于《郑州大学》期刊2018-05-01）
马广頔[10]（2018）在《社交媒体异常用户检测关键技术研究》一文中研究指出随着互联网和Web2.0的快速发展,在线社交媒体已渗透到几乎所有的生活领域,包括教育、医疗、娱乐、商业等。然而,在带给人们各种便利的同时,在线社交媒体也成为试图执行非法活动并对其他用户造成危害的恶意用户的主要目标,因此针对这类恶意行为的异常用户检测技术已成为在线社交媒体安全研究的关键问题之一。在线社交媒体每天都具有动态实时性,而在以往的工作中针对动态社交媒体异常检测的研究较少,另外这些研究只考虑非加权或者无向网络,本文的主要研究内容聚焦于动态社交媒体异常用户检测,基于现有的异常检测方法,分别针对社交媒体中的异常个体用户和异常群体用户提出两种改进的异常检测算法。针对社交媒体中异常个体用户的检测,现有算法只能用于分析无向加权图,无法解决将用户交互状态映射成有向加权图模型的异常检测问题,因此本文在现有算法的基础上提出一种改进的基于自我网络结构演化的异常个体用户检测算法。本算法将一个动态社交媒体映射成一组有向加权图序列。通过比较时序上相邻的两个图中的节点、有向边以及权重的变化情况,筛选出可疑的异常节点集合。通过分析节点之间的结构连通性和亲密度传递性构建可疑异常节点集合中所有节点的核心网。最后通过比较节点在相邻两个图中核心网的变化情况,计算所有可疑异常节点的异常分数,具有高异常分数的节点被视为异常节点。实验结果表明改进算法能够有效检测社交媒体异常个体用户,降低了误报率。针对社交媒体中异常群体用户的检测,现有算法只能用于分析无向非加权图,无法解决将用户交互状态映射成无向加权图模型的异常检测问题,因此本文在现有算法的基础上提出一种改进的基于关系演化的异常群体用户检测算法。本算法将一个动态社交网络映射成一个无向加权图流。对图流中的每个图对象包含的边进行多次采样,从而生成流样本。根据流样本中的连通分量生成节点分区,即一个连通分量中的所有节点代表一个分区。根据边生成概率模型,计算每个图对象的异常分数,具有较高异常值的图对象被视为异常图对象。实验结果表明改进算法能够有效检测社交媒体异常群体用户,降低了误报率,并且提高了算法的计算效率。(本文来源于《哈尔滨工程大学》期刊2018-05-01）
多用户检测技术论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近年来,社交网络服务蓬勃发展,但由于自身具有开放性,在人们对其依赖性日益增长的同时,涌现出大量恶意牟利的异常用户,他们发送广告链接、传播虚假信息、甚至发起恶意攻击等,不仅降低社交网络的服务质量,扰乱社交网络秩序,还对正常用户带来严重的安全威胁,为公安工作带来严峻挑战。本文综合分析了国内外学术成果和现有研究方法,针对Twitter、微博等大规模社交网络中的异常用户检测技术进行了深入研究,将社交网络异常检测映射为向量空间中的分类问题,确立了集成分类的研究思路,对特征提取和算法选择两方面提出了改进措施,从而提升异常检测的效果。第一,在特征提取方面,针对当前研究未能有效挖掘用户关注关系的现状,改进了现有的社交网络用户特征提取方法,基于信息论和同质性原理,提出融合特征提取模型,从而综合提取用户自身节点特征与邻居特征。首先应用Word2vec、LDA等自然语言处理模型以及复杂网络计算方法,全面提取用户行为、文本、网络等方面显式和隐式的节点特征,充分挖掘语义信息和网络拓扑结构信息。其次,利用节点邻接矩阵和影响力矩阵共同运算得到邻居特征,并根据Relief算法选择对分类效果贡献最大的K个邻居特征,与节点特征共同形成融合特征集。经在人工标注的真实Weibo数据集上实验,运用SVM、随机森林等四个传统分类器处理融合特征集,与提取节点原始特征相比,召回率最高可提升5%,证明本文方法具备有效性。第二,在算法选择方面,针对传统社交网络异常用户检测算法处理多维特征能力不足、特征选择容易造成信息损耗,以及应用于现实中非平衡数据集时存在召回率低、运行效率低等问题,首次使用梯度增强集成分类器XGBoost算法作为检测方法,应用于社交网络异常用户检测领域,优化参数选择,建立分类模型。本文针对叁个真实社交网络数据集重新提取特征,通过欠采样技术构造不同比例的非平衡数据集并运用XGBoost识别多种垃圾广告发送账号。实验结果表明,该方法在社交网络异常用户的二分类和多分类中均取得了召回率达到90%以上的优异表现,与随机森林等传统分类方法相比实现了召回率和F值的有效提升,且在平衡数据集和非平衡数据集中均能保持较好的鲁棒性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多用户检测技术论文参考文献
[1].左润东.提升MUSA多用户检测性能的关键技术研究[D].哈尔滨工业大学.2019
[2].袁丽欣.社交网络异常用户检测技术研究[D].中国人民公安大学.2019
[3].马超艺.基于盒型约束二分坐标下降的多用户和多天线系统检测技术的研究[D].郑州大学.2019
[4].张金程.DS-CDMA系统的多用户检测技术研究[D].哈尔滨工程大学.2018
[5].张男,龚磊,翟旭平.M2M通信系统下基于压缩感知的多用户检测技术[J].电子测量技术.2018
[6].周赫.多波束卫星MIMO通信系统多用户检测技术研究[D].哈尔滨工业大学.2018
[7].白艳娜.MMTC中基于深度学习的多用户接入检测技术研究[D].北京交通大学.2018
[8].范彬.免调度NOMA系统重传及多用户检测技术研究[D].重庆邮电大学.2018
[9].赵晓娟.非正交多址接入中基于压缩感知的多用户检测技术研究[D].郑州大学.2018
[10].马广頔.社交媒体异常用户检测关键技术研究[D].哈尔滨工程大学.2018
论文知识图
