定 價(jià)：65 元
叢書名：新工科卓越工程師教育培養(yǎng)計(jì)劃電子信息類專業(yè)系列教材
- 作者：尹學(xué)鋒，程翔 著
- 出版時(shí)間：2021/6/1
- ISBN：9787568068918
- 出 版 社：華中科技大學(xué)出版社
- 中圖法分類：TN011
- 頁(yè)碼：332
- 紙張：膠版紙
- 版次：1
- 開(kāi)本：16開(kāi)
本教材以相對(duì)較少的篇幅介紹了無(wú)線傳播信道諸如損耗特征、擴(kuò)散特征、隨機(jī)特征、相關(guān)性以及參數(shù)域與觀測(cè)域之間的變換特征等基礎(chǔ)性的知識(shí)，介紹業(yè)內(nèi)典型的信道研究方法，如基于實(shí)測(cè)的信道分析、基于仿真的信道分析，描述信道特征提取的流程，模型構(gòu)建的步驟與得到的標(biāo)準(zhǔn)化模型形式，而后重點(diǎn)就近年來(lái)多個(gè)重要典型場(chǎng)景中的信道研究進(jìn)展進(jìn)行詳細(xì)描述，包括5G系統(tǒng)所關(guān)注的毫米波寬帶信道特征研究，高速時(shí)變情況下如車車、車地信道研究，以及無(wú)人機(jī)的空對(duì)地信道研究等，兼顧實(shí)測(cè)和仿真兩種不同方式取得的研究成果的展示與分析。
這部教材具有如下的特點(diǎn)：1）理論架構(gòu)完整：該教材對(duì)傳播信道特征的闡述較為全面，不僅對(duì)其自然機(jī)理，而且對(duì)研究方法、特征挖掘和建模過(guò)程的各個(gè)環(huán)節(jié)進(jìn)行詳細(xì)的介紹；2）內(nèi)容新穎先進(jìn)：這部教材側(cè)重5G及B5G時(shí)代無(wú)線通信對(duì)信道特征研究的需求，介紹并分析時(shí)、空、頻、極化、以及空間一致性方面的特征挖掘，圍繞5G關(guān)鍵技術(shù)如大規(guī)模天線陣列、毫米波傳輸闡述相應(yīng)的信道特征提取細(xì)節(jié)；3）體現(xiàn)學(xué)科交叉與融合：該教材的多個(gè)章節(jié)對(duì)將信道特征在通信以外領(lǐng)域中的應(yīng)用進(jìn)行了詳細(xì)描述，如與雷達(dá)目標(biāo)識(shí)別以及環(huán)境感知領(lǐng)域的交叉應(yīng)用，利用信道特征通過(guò)機(jī)器學(xué)習(xí)的方式進(jìn)行指紋提取用于移動(dòng)終端定位，以及利用信道時(shí)變特征對(duì)環(huán)境中散射體的位移進(jìn)行預(yù)測(cè)等，信道與其他功能實(shí)現(xiàn)之間的交叉對(duì)未來(lái)智能技術(shù)、物聯(lián)網(wǎng)技術(shù)的發(fā)展具有重要的意義；4）方法具有較強(qiáng)的通用性：該部教材在信道特征研究中融入了多種信號(hào)處理的方法、貝葉斯理論、粒子濾波、卡爾曼濾波以及機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)算法在信道特征提取中的應(yīng)用范例，這些內(nèi)容能夠是讀者觸類旁通，舉一反三，可以通過(guò)信道研究掌握多種研究方法、算法。
準(zhǔn)確了解無(wú)線電波傳播信道特征是實(shí)現(xiàn)高質(zhì)量無(wú)線通信的基礎(chǔ)。在5G時(shí)代，復(fù)雜的無(wú)線環(huán)境、多種的應(yīng)用類型、以及一系列先進(jìn)通信技術(shù)的使用，使無(wú)線傳播信道的研究從傳統(tǒng)的模型構(gòu)建迅速演化為基于人工智能和深度學(xué)習(xí)方法對(duì)信道的多維、動(dòng)態(tài)和統(tǒng)計(jì)特征進(jìn)行深入挖掘，以提高系統(tǒng)穩(wěn)定性，改善用戶體驗(yàn)。近年來(lái)雖然有多本信道特征相關(guān)的著作、教材陸續(xù)出版，但大都側(cè)重于信道某一方面的特征描述，較為籠統(tǒng)地解釋信道特征研究的標(biāo)準(zhǔn)流程，關(guān)注的場(chǎng)景相對(duì)單一，特征多限于窄帶和有限維度色散，缺乏對(duì)5G所應(yīng)用的復(fù)雜環(huán)境如高速移動(dòng)、空對(duì)地傳輸、工業(yè)物聯(lián)網(wǎng)、密集城市、多種類型植被情況下的未知信道特性的研究進(jìn)行闡述。本書針對(duì)現(xiàn)階段高校研究所對(duì)于電波傳播信道特征的內(nèi)容與5G，6G的發(fā)展存在較大差距的問(wèn)題，對(duì)信道特征在5G應(yīng)用背景下的研究方法、取得的成果進(jìn)行闡述，為5G、6G和B5G其他多種無(wú)線系統(tǒng)研發(fā)提供信道參考。
本書的主要內(nèi)容包括了無(wú)線傳播信道諸如損耗特征、擴(kuò)散特征、隨機(jī)特征、相關(guān)性以及參數(shù)域與觀測(cè)域之間的變換特征等基礎(chǔ)性的知識(shí)，介紹業(yè)內(nèi)典型的信道研究方法，如基于實(shí)測(cè)的信道分析、基于仿真的信道分析，描述信道特征提取的流程，模型構(gòu)建的步驟與得到的標(biāo)準(zhǔn)化模型形式，而后重點(diǎn)就近年來(lái)多個(gè)重要典型場(chǎng)景中的信道研究進(jìn)展進(jìn)行詳細(xì)描述，包括寬帶信道特征研究，高速時(shí)變情況下如車車、車地信道研究，以及無(wú)人機(jī)的空對(duì)地信道研究等，兼顧實(shí)測(cè)和仿真兩種不同方式取得的研究成果的展示與分析。
這部教材在編寫的過(guò)程中突出如下方面的側(cè)重。首先，保持信道特征理論架構(gòu)的完整性。該教材對(duì)傳播信道特征的闡述較為全面，不僅對(duì)其自然機(jī)理，而且對(duì)研究方法、特征挖掘和建模過(guò)程的各個(gè)環(huán)節(jié)進(jìn)行詳細(xì)的介紹。其次，注重內(nèi)容的新穎性和先進(jìn)性。這部教材側(cè)重寬帶無(wú)線通信對(duì)信道特征研究的需求，介紹并分析時(shí)、空、頻、極化、以及時(shí)變情況下的信道特征挖掘。書中描述的測(cè)量方法、信道參數(shù)提取算法和建模方法，同樣適合于5G場(chǎng)景如使用大規(guī)模天線陣列、毫米波傳輸情況下的信道特征研究。再者，本書側(cè)重學(xué)科交叉與融合。其中多個(gè)章節(jié)對(duì)將信道特征在通信以外領(lǐng)域中的應(yīng)用進(jìn)行了詳細(xì)描述，如與雷達(dá)目標(biāo)識(shí)別以及環(huán)境感知領(lǐng)域的交叉應(yīng)用，利用信道特征通過(guò)機(jī)器學(xué)習(xí)的方式進(jìn)行指紋提取用于移動(dòng)終端定位，以及利用信道時(shí)變特征對(duì)環(huán)境中散射體的位移進(jìn)行預(yù)測(cè)等，信道與其他功能實(shí)現(xiàn)之間的交叉對(duì)未來(lái)智能技術(shù)、物聯(lián)網(wǎng)技術(shù)的發(fā)展具有重要的意義。此外，本書所介紹和描述的方法具有較強(qiáng)的通用性。和其他相對(duì)籠統(tǒng)介紹信道特征不同，我們?cè)谛诺捞卣餮芯恐腥谌肓硕喾N信號(hào)處理的方法、貝葉斯理論、粒子濾波、卡爾曼濾波算法在信道特征提取中的應(yīng)用范例，這些內(nèi)容能夠是讀者觸類旁通，舉一反三，可以通過(guò)信道研究掌握多種研究方法、算法。
工學(xué)博士，同濟(jì)大學(xué)電子與信息工程學(xué)院教授，博士生導(dǎo)師, 1995年畢業(yè)于華中科技大學(xué)光電子工程系，2002、2006年于丹麥奧爾堡大學(xué)分別獲得數(shù)字通信碩士學(xué)位和無(wú)線通信工學(xué)博士學(xué)位。主要研究興趣包括電波傳播信道特征、高精度參數(shù)估計(jì)算法、雷達(dá)信號(hào)處理與無(wú)線環(huán)境感知, 發(fā)表論文120余篇，英文著作一部，授權(quán)PCT國(guó)際專利8項(xiàng)，中國(guó)專利5項(xiàng)，國(guó)際信道標(biāo)準(zhǔn)兩項(xiàng)。主要科研成果有：（1）、多種信道參數(shù)高精度估計(jì)算法，包括SAGE（空間迭代廣義期望*大化）算法，多層證據(jù)框架算法，功率譜提取算法，多徑粒子濾波算法，和球面波提取算法，其中SAGE算法因其能夠?qū)γ織l傳播路徑的14個(gè)參數(shù)即時(shí)延、波離方向、波達(dá)方向、多普勒頻移，以及極化矩陣進(jìn)行估計(jì)，已成為建立SCM， SCME模型的標(biāo)準(zhǔn)算法；（2）、實(shí)測(cè)統(tǒng)計(jì)信道模型成為國(guó)際標(biāo)準(zhǔn)，即基于城市場(chǎng)景的Relay信道特征模型成為ITU信道模型標(biāo)準(zhǔn)，無(wú)人機(jī)空地信道模型成為3GPP標(biāo)準(zhǔn)模型；（3）、針對(duì)5G場(chǎng)景的信道特征研究，包括13-17GHz，28 GHz，60 GHz，71-73 GHz，70-77GHz室內(nèi)外場(chǎng)景，動(dòng)靜態(tài)，全雙工，空對(duì)地、衛(wèi)星對(duì)地面，Massive MIMO，以及地物損耗、植被損耗場(chǎng)景；（4）、創(chuàng)新隨機(jī)圖論信道模擬理論，擁有自主知識(shí)產(chǎn)權(quán)的核心仿真技術(shù)，使圖論成為可代替射線追蹤的低復(fù)雜度、高準(zhǔn)確度信道仿真工具。
1 傳播信道特征
1.1 無(wú)線信道中的三種衰落現(xiàn)象
1.2 路徑損耗與陰影衰落
1.3 多徑衰落
1.4 多徑衰落的隨機(jī)特征
1.4.1 接收信號(hào)包絡(luò)和相位分布
1.4.2 包絡(luò)水平交叉率和平均衰落時(shí)長(zhǎng)
1.4.3 相關(guān)函數(shù)
1.5 多徑衰落的雙重性
1.6 廣義穩(wěn)態(tài)非相關(guān)散射假設(shè)(WSSUS)
1.7 傳播信道建模綜述
1.7.1 MIMO信道模型的分類
1.7.2 車車信道模型的分類
1.8 小結(jié)
1.9 習(xí)題
2 通用信道模型
2.1 信道擴(kuò)散函數(shù)
2.2 鏡面路徑模型
2.3 擴(kuò)散路徑模型
2.4 時(shí)變信道模型
2.5 功率譜密度(Power Spectral Density, PSD)模型
2.6 匙孔信道(keyhole channel)模型
2.7 小結(jié)
2.8 習(xí)題
3 信道測(cè)量
3.1 信道測(cè)量方法綜述
3.2 信道測(cè)量設(shè)備與系統(tǒng)
3.3 測(cè)量數(shù)據(jù)的后處理
3.4 相位噪聲的影響及解決方案
3.4.1 基于滑窗的相位噪聲干擾減輕方法
3.4.2 相位噪聲白化（Whitening-）SAGE算法
3.5 非全向輻射模式下的信道測(cè)量
3.6 信道測(cè)量中切換模式的選取
3.6.1 信道測(cè)量的切換模式
3.6.2 TDM模式下的多普勒頻移的估計(jì)
3.6.3 參數(shù)估計(jì)的模糊度
3.6.4 切換模式*優(yōu)化
3.6.5 在感知期間忽略多普勒頻移帶來(lái)的影響
3.6.6 切換模式對(duì)性能的影響
3.6.7 實(shí)驗(yàn)研究
3.7 小結(jié)
3.8 習(xí)題
4 確定性信道的參數(shù)估計(jì)
4.1 巴特萊特波束形成器
4.2 MUSIC算法
4.3 ESPRIT和Propagator方法
4.4 *大似然（Maximum-likelihood ）算法
4.5 SAGE算法
4.5.1 信號(hào)模型
4.5.2 SAGE算法的推導(dǎo)
4.5.3 參數(shù)初始化算法
4.6 RiMAX 算法概述
4.7 基于證據(jù)框架的算法
4.7.1 多層證據(jù)框架（Multi-level evidence framework）
4.7.2 案例一: 包含指數(shù)衰減的三層證據(jù)框架
4.7.3 案例二: 包含延遲擴(kuò)散的雙層證據(jù)框架
4.8 小結(jié)
4.9 習(xí)題
5 統(tǒng)計(jì)性信道參數(shù)估計(jì)
5.1 色散參數(shù)的簡(jiǎn)要回顧
5.2 微分布散射體的參數(shù)估計(jì)算法
5.2.1 有效信號(hào)模型
5.2.2 基于鏡面散射（SS）模型的估計(jì)算法
5.2.3 一階GAM模型估計(jì)方法
5.2.4 仿真研究
5.3 基于PSD的色散估計(jì)算法
5.3.1 雙向時(shí)延多普勒頻移功率譜密度估計(jì)
5.3.2 信道功率譜估計(jì)算法
5.3.3 初始化步驟
5.3.4 測(cè)量數(shù)據(jù)評(píng)估
5.4 小結(jié)
5.5 習(xí)題
6 基于測(cè)量的統(tǒng)計(jì)信道建模
6.1 統(tǒng)計(jì)信道模型構(gòu)建過(guò)程
6.2 基于鏡面反射路徑模型的聚類算法
6.2.1 基于多徑簇的隨機(jī)信道建模
6.2.1.1 多徑簇的定義及其在信道建模中的應(yīng)用
6.2.1.2 密集多徑分量
6.2.1.3 多徑簇的存在時(shí)長(zhǎng)（Alive time）
6.2.1.4 分簇方法
6.2.2 基于多路徑分量距離的聚類算法
6.2.2.1 多徑分量距離的定義
6.2.2.2 無(wú)加權(quán)因子的MCD計(jì)算方法
6.2.2.3 路徑聚類的實(shí)驗(yàn)結(jié)果
6.3 廣義穩(wěn)態(tài)觀測(cè)數(shù)據(jù)長(zhǎng)度的選擇
6.3.1 基于*小擴(kuò)散變化的數(shù)據(jù)分割方法
6.3.1.1 基于Kolgomorov-Smirnov假設(shè)檢驗(yàn)的數(shù)據(jù)分割方法
6.3.2 實(shí)際測(cè)量數(shù)據(jù)分析實(shí)例
6.3.3 結(jié)論
6.4 中繼和協(xié)作多點(diǎn)信道建模
6.4.1 背景介紹
6.4.2 SSF互相關(guān)與建模方法
6.4.3 中繼信道特性的測(cè)量
6.4.4 模型提取
6.5 小結(jié)
6.6 習(xí)題
7 移動(dòng)場(chǎng)景下的信道特征提取
7.1 研究現(xiàn)狀
7.1.1 高鐵信道特征研究
7.1.2 地鐵信道特征研究
7.1.3 無(wú)人機(jī)信道特征研究
7.1.4 車車信道特征研究
7.2 基于擴(kuò)展卡爾曼濾波器（EKF）的信道參數(shù)跟蹤估計(jì)算法
7.2.1 概覽
7.2.2 EKF的結(jié)構(gòu)
7.2.2.1 狀態(tài)(系統(tǒng))模型
7.2.2.2 觀察模型
7.2.2.3 擴(kuò)展卡爾曼濾波器
7.2.3 線性近似帶來(lái)的模型失配
7.2.3.1 初始相位誤差對(duì)EKF性能的影響
7.3 基于粒子濾波的跟蹤算法
7.3.1 低復(fù)雜度的粒子濾波PF算法
7.3.1.1 粒子狀態(tài)的初始化
7.3.1.2 粒子濾波算法的框架
7.3.1.3 擴(kuò)展到多路徑環(huán)境
7.3.2 實(shí)測(cè)算法性能驗(yàn)證
7.4 小結(jié)
7.5 習(xí)題
書單推薦
