码分多址技术是一种在蜂窝和个人通信中扮演重要角色的复用技术，由于该技术中各用户使用的扩频码并非严格正交，从而产生了多址干扰等问题。当用户数较少时，产生的多址干扰很小，但是当系统中用户数增多或者信号功率增大时，多址干扰就成了系统的主要干扰，从而成为制约CDMA通信系统发展的一大难题。因此，要想提升系统性能和容量，首先要考虑如何才能有效地抑制多址干扰。而解决多址干扰问题的一种有效方法是多用户检测技术，它把多址干扰当作一种具有一定结构的有效信息，而不是简单地看作干扰噪声，这样就能充分地利用各用户间的相互关联进行联合检测，大幅度地提升了系统的性能。本文主要研究的是智能算法在多用户检测中的应用。最优多用户检测在降低多址干扰和“远近”效应方面有很好的效果，但是它具有与用户数成指数增长的计算复杂度，这在当前的硬件水平下是不可能实现的。最优多用户检测可以看成一个组合优化问题，可以将智能算法应用到寻优过程中。因此，深入研究智能优化算法，将其与多用户检测技术有机结合，探索具有较低计算复杂度的能够抑制多址干扰和远近效应的检测方法具有重要的意义。本文从CDMA系统出发，首先研究了几种典型的多用户检测技术，并分析了其优缺点。介绍了遗传算法和离散Hopfield神经网络，利用两者在解决组合优化问题上的优点，将两种算法有机结合起来，提出了一种基于遗传算法和离散Hopfield神经网络的多用户检测器，利用遗传算法为神经网络提供一个较好的初始解，在此基础上，神经网络按梯度下降的机制进行局部寻优。介绍了模拟退火算法，考虑到遗传算法容易陷入局部最优，将模拟退火思想融入遗传算法中，并设计了自适应交叉概率和变异概率，提出了自适应模拟退火遗传算法，该算法能够使遗传算法避免早熟收敛，由于模拟退火算法具有良好的爬山性能，使遗传算法的性能得到了提升，最终搜索到最优解。提出了基于禁忌搜索的多用户检测算法，采用传统检测器的输出作为搜索的初始解，邻域选择与当前解汉明距为1的解，搜索过的解构成禁忌表。这种算法可以得到良好的检测性能。考虑到初始解的选择对禁忌搜索的性能的影响很大，故选择模拟退火遗传算法的输出作为搜索的初始解。计算机仿真表明，这种混合算法的误码率曲线与最优多用户检测的很接近，且具有较高的收敛速度。