在码分多址(Code Division Multiple Access,CDMA)通信系统中,不同用户的信息是靠扩频码来区分的。由于扩频码不可能理想正交,就会在同一信道中产生各用户之间的干扰,这就是多址干扰(Multiple Access Interference),当各用户距离基站远近不同时还会带来远近效应问题(Near-Far Proplem)。传统的检测技术完全按照直接序列扩频理论对每个用户的信号分别进行扩频码匹配处理,因而抗多址干扰和远近效应的能力较差。 多用户检测(Multi-User Detection)技术在传统检测技术的基础上,利用所有用户信号信息对目标用户的信号进行检测,从而具有优良的抗多址干扰和抗远近效应的性能,因此可以更加有效地利用频谱资源,显著提高系统容量。Verdu提出的最优多用户检测由匹配滤波器和通过Viterbi算法实现的最大似然序列估计检测器组成,它可以达到最小的误码率和最佳的抗远近能力,但是由于计算量随用户数的增加而呈指数增长,而成为一个NP难题。 近年来,一种新的智能算法——粒子群算法(Particle Swarm Optimization)被用来解决NP难题,新算法被证明比传统的遗传算法具有更低的计算复杂度和更快的收敛速度,而且能达到同样、甚至更好的效果。本文在标准的离散粒子群算法的基础上提出了两种次最优的多用户检测器—基于多样性维持机制的粒子群算法的多用户检测器和基于克隆选择粒子群算法的多用户检测器。仿真实验证明这两种检测器在误码率和收敛速度方面都比基于标准的离散粒子群算法的多用户检测器有所改善。此外,本文提出了一种基于新的并行粒子群算法的多用户检测器。仿真实验证明,新的并行粒子群算法的多用户检测器在误码率和收敛速度方面比一般的并行粒子群算法的多用户检测器又有所改善。