1 傳播信道特征

1.1 無線信道中的三種衰落現像

1.2 路徑損耗與陰影衰落

1.3 多徑衰落

1.4 多徑衰落的隨機特征

1.4.1 接收信號包絡和相位分布

1.4.2 包絡水平交叉率和平均衰落時長

1.4.3 相關函數

1.5 多徑衰落的雙重性

1.6 廣義穩態非相關散射假設(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

1.9 習題

2 通用信道模型

2.1 信道擴散函數

2.2 鏡面路徑模型

2.3 擴散路徑模型

2.4 時變信道模型

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

2.8 習題

3 信道測量

3.1 信道測量方法綜述

3.2 信道測量設備與繫統

3.3 測量數據的後處理

3.4 相位噪聲的影響及解決方案

3.4.1 基於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量

3.6 信道測量中切換模式的選取

3.6.1 信道測量的切換模式

3.6.2 TDM模式下的多普勒頻移的估計

3.6.3 參數估計的模糊度

3.6.4 切換模式化

3.6.5 在感知期間忽略多普勒頻移帶來的影響

3.6.6 切換模式對性能的影響

3.6.7 實驗研究

3.7 小結

3.8 習題

4 確定性信道的參數估計

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 似然（Maximum-likelihood ）算法

4.5 SAGE算法

4.5.1 信號模型

4.5.2 SAGE算法的推導

4.5.3 參數初始化算法

4.6 RiMAX 算法概述

4.7 基於證據框架的算法

4.7.1 多層證據框架（Multi-level evidence framework）

4.7.2 案例一: 包含指數衰減的三層證據框架

4.7.3 案例二: 包含延遲擴散的雙層證據框架

4.8 小結

4.9 習題

5 統計性信道參數估計

5.1 色散參數的簡要回顧

5.2 微分布散射體的參數估計算法

5.2.1 有效信號模型

5.2.2 基於鏡面散射（SS）模型的估計算法

5.2.3 一階GAM模型估計方法

5.2.4 仿真研究

5.3 基於PSD的色散估計算法

5.3.1 雙向時延多普勒頻移功率譜密度估計

5.3.2 信道功率譜估計算法

5.3.3 初始化步驟

5.3.4 測量數據評估

5.4 小結

5.5 習題

6 基於測量的統計信道建模

6.1 統計信道模型構建過程

6.2 基於鏡面反射路徑模型的聚類算法

6.2.1 基於多徑簇的隨機信道建模

6.2.1.1 多徑簇的定義及其在信道建模中的應用

6.2.1.2 密集多徑分量

6.2.1.3 多徑簇的存在時長（Alive time）

6.2.1.4 分簇方法

6.2.2 基於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 無加權因子的MCD計算方法

6.2.2.3 路徑聚類的實驗結果

6.3 廣義穩態觀測數據長度的選擇

6.3.1 基於小擴散變化的數據分割方法

6.3.1.1 基於Kolgomorov-Smirnov假設檢驗的數據分割方法

6.3.2 實際測量數據分析實例

6.3.3 結論

6.4 中繼和協作多點信道建模

6.4.1 背景介紹

6.4.2 SSF互相關與建模方法

6.4.3 中繼信道特性的測量

6.4.4 模型提取

6.5 小結

6.6 習題

7 移動場景下的信道特征提取

7.1 研究現狀

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 無人機信道特征研究

7.1.4 車車信道特征研究

7.2 基於擴展卡爾曼濾波器（EKF）的信道參數跟蹤估計算法

7.2.1 概覽

7.2.2 EKF的結構

7.2.2.1 狀態(繫統)模型

7.2.2.2 觀察模型

7.2.2.3 擴展卡爾曼濾波器

7.2.3 線性近似帶來的模型失配

7.2.3.1 初始相位誤差對EKF性能的影響

7.3 基於粒子濾波的跟蹤算法

7.3.1 低復雜度的粒子濾波PF算法

7.3.1.1 粒子狀態的初始化

7.3.1.2 粒子濾波算法的框架

7.3.1.3 擴展到多路徑環境

7.3.2 實測算法性能驗證

7.4 小結

7.5 習題  

準確了解無線電波傳播信道特征是實現高質量無線通信的基礎。在5G時代，復雜的無線環境、多種的應用類型、以及一繫列先進通信技術的使用，使無線傳播信道的研究從傳統的模型構建迅速演化為基於人工智能和深度學習方法對信道的多維、動態和統計特征進行深入挖掘，以提高繫統穩定性，改善用戶體驗。近年來雖然有多本信道特征相關的著作、教材陸續出版，但大都側重於信道某一方面的特征描述，較為籠統地解釋信道特征研究的標準流程，關注的場景相對單一，特征多限於窄帶和有限維度色散，缺乏對5G所應用的復雜環境如高速移動、空對地傳輸、工業物聯網、密集城市、多種類型植被情況下的未知信道特性的研究進行闡述。本書針對現階段高校研究所對於電波傳播信道特征的內容與5G，6G的發展存在較大差距的問題，對信道特征在5G應用背景下的研究方法、取得的成果進行闡述，為5G、6G和B5G其他多種無線繫統研發提供信道參考。 本書的主要內容包括了無線傳播信道諸如損耗特征、擴散特征、隨機特征、相關性以及參數域與觀測域之間的變換特征等基礎性的知識，介紹業內典型的信道研究方法，如基於實測的信道分析、基於仿真的信道分析，描述信道特征提取的流程，模型構建的步驟與得到的標準化模型形式，而後重點就近年來多個重要典型場景中的信道研究進展進行詳細描述，包括寬帶信道特征研究，高速時變情況下如車車、車地信道研究，以及無人機的空對地信道研究等，兼顧實測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程中突出如下方面的側重。首先，保持信道特征理論架構的完整性。該教材對傳播信道特征的闡述較為全面，不僅對其自然機理，而且對研究方法、特征挖掘和建模過程的各個環節進行詳細的介紹。其次，注重內容的新穎性和先進性。這部教材側重寬帶無線通信對信道特征研究的需求，介紹並分析時、空、頻、極化、以及時變情況下的信道特征挖掘。書中描述的測量方法、信道參數提取算法和建模方法，同樣適合於5G場景如使用大規模天線陣列、毫米波傳輸情況下的信道特征研究。再者，本書側重學科交叉與融合。其中多個章節對將信道特征在通信以外領域中的應用進行了詳細描述，如與雷達目標識別以及環境感知領域的交叉應用，利用信道特征通過機器學習的方式進行指紋提取用於移動終端定位，以及利用信道時變特征對環境中散射體的位移進行預測等，信道與其他功能實現之間的交叉對未來智能技術、物聯網技術的發展具有重要的意義。此外，本書所介紹和描述的方法具有較強的通用性。和其他相對籠統介紹信道特征不同，我們在信道特征研究中融入了多種信號處理的方法、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用範例，這些內容能夠是讀者觸類旁通，舉一反三，可以通過信道研究掌握多種研究方法、算法。