CDMA移动通信系统是一种干扰限制的系统，多址干扰是这种通信系统的主要干扰。如何有效地抑制多址干扰，提高系统性能和容量具有很重要的现实意义。解决多址干扰问题的一种有效途径是多用户检测，它不是把多址干扰简单地看作干扰噪声来处理，而是把多址干扰作为一种有用的信息加以利用，充分地利用各用户间的关联进行综合检测，提高系统的检测性能。因此多用户检测成为CDMA移动通信系统的关键技术之一。计算智能是国际上近年来提出并得到了广泛深入研究和应用的一种重要的信息处理方法，利用“拟物”和“仿生”的方法把自然界中生物优化处理的过程提炼成科技工程领域中信息优化处理的方法。计算智能呈现出了许多传统优化方法所无法比拟的优越性。CDMA多用户检测问题可以看作一个组合优化问题，可将计算智能的优化机理应用于多用户检测的寻优过程，因此本文研究的重点是基于计算智能的多用户检测技术，并进行了数值仿真、对比分析和讨论。此外，提出了一种新的基于数字滤波器理论的全互连复值递归神经网络训练方法。下面是本文各部分主要内容的摘要：第一部分主要介绍了多用户检测技术发展概况，多用户检测技术的研究意义，计算智能及其在多用户检测中的应用可能性。第二部分首先阐述CDMA通信系统等效模型，详细地介绍了同步和异步多用户检测模型。其次介绍了多用户检测的性能测度，包括检测误码率和抗“远近”效应能力的理论表达式；介绍了最佳多用户检测方法及其性能。然后介绍了次佳多用户检测方法及其分类。最后介绍计算智能有关基本理论和方法，包括遗传算法和禁忌搜索算法。第三部分提出并讨论了四种基于神经网络的多用户检测方法：1）基于优化神经网络的多用户检测；2）基于Lagrange神经网络的多用户检测；3）基于迟滞Hopfield神经网络的多用户检测；4）基于递归神经网络的多用户检测。分别论述了这四种神经网络多用户检测器的建模方法，并进行了数值仿真与讨论。然后，对这四种神经网络多用户检测技术从计算复杂度和检测性能两个方面进行了比较和分析。最后，基于混沌的遍历性和随机性的特征获取一组良好的初始值，提出了一种改进的神经网络多用户检测技术，并进行数值仿真。第四部分提出并讨论了两种基于混合优化算法的多用户检测方法，一种是基<WP=6>于遗传算法和禁忌搜索算法的多用户检测技术，另一种是基于遗传算法和递归神经网络的多用户检测技术。分别介绍了这两种混合优化算法的优化策略和机理，进行了数值仿真和性能分析。然后，对这两种混合优化算法进行了性能和计算复杂度等方面的比较和分析。第五部分提出一种新的基于数字滤波器理论的全互连复值递归神经网络训练方法。每个递归神经元均具有复数IIR滤波器结构。通过优化IIR滤波器的系数来更新神经网络的权值，而优化过程则采用逐层优化（LBLO）技术和递归最小平方（RLS）方法。该算法的性能通过将其应用于复信道均衡来加以说明。计算机仿真结果表明，该算法具有较快的收敛速度。这为快速训练复值递归神经网络提供了一条新的途径。总之，通过本文的研究，我们发现了基于计算智能的多用户检测方法比传统的多用户检测方法优越，特别是基于混合优化策略的多用户检测方法，它综合了几种优化算法的优点实现全局意义下的寻优过程。本文的主要贡献有下列三点：1）提出并研究了四种基于神经网络的多用户检测方法；2）提出并研究了两种基于混合优化算法的多用户检测方法；3）提出了一种新的基于数字滤波器理论的全互连复值递归神经网络训练方法。