内容简介:
本教材以相对较少的篇幅介绍了无线传播信道诸如损耗特征、扩散特征、随机特征、相关性以及参数域与观测域之间的变换特征等基础性的知识，介绍业内典型的信道研究方法，如基于实测的信道分析、基于仿真的信道分析，描述信道特征提取的流程，模型构建的步骤与得到的标准化模型形式，而后重点就近年来多个重要典型场景中的信道研究进展进行详细描述，包括5G系统所关注的毫米波宽带信道特征研究，高速时变情况下如车车、车地信道研究，以及无人机的空对地信道研究等，兼顾实测和仿真两种不同方式取得的研究成果的展示与分析。
作者简介:
工学博士，同济大学电子与信息工程学院教授，博士生导师, 1995年毕业于华中科技大学光电子工程系，2002、2006年于丹麦奥尔堡大学分别获得数字通信硕士学位和无线通信工学博士学位。主要研究兴趣包括电波传播信道特征、高精度参数估计算法、雷达信号处理与无线环境感知, 发表论文120余篇，英文著作一部，授权PCT国际专利8项，中国专利5项，国际信道标准两项。主要科研成果有：（1）、多种信道参数高精度估计算法，包括SAGE（空间迭代广义期望最大化）算法，多层证据框架算法，功率谱提取算法，多径粒子滤波算法，和球面波提取算法，其中SAGE算法因其能够对每条传播路径的14个参数即时延、波离方向、波达方向、多普勒频移，以及极化矩阵进行估计，已成为建立SCM， SCME模型的标准算法；（2）、实测统计信道模型成为国际标准，即基于城市场景的Relay信道特征模型成为ITU信道模型标准，无人机空地信道模型成为3GPP标准模型；（3）、针对5G场景的信道特征研究，包括13-17GHz，28 GHz，60 GHz，71-73 GHz，70-77GHz室内外场景，动静态，全双工，空对地、卫星对地面，Massive MIMO，以及地物损耗、植被损耗场景；（4）、创新随机图论信道模拟理论，拥有自主知识产权的核心仿真技术，使图论成为可代替射线追踪的低复杂度、高准确度信道仿真工具。
目录:
1 传播信道特征
1.1 无线信道中的三种衰落现象
1.2 路径损耗与阴影衰落
1.3 多径衰落
1.4 多径衰落的随机特征
1.4.1 接收信号包络和相位分布
1.4.2 包络水平交叉率和平均衰落时长
1.4.3 相关函数
1.5 多径衰落的双重性
1.6 广义稳态非相关散射假设(WSSUS)
1.7 传播信道建模综述
1.7.1 MIMO信道模型的分类
1.7.2 车车信道模型的分类
1.8 小结
1.9 习题
2 通用信道模型
2.1 信道扩散函数
2.2 镜面路径模型
2.3 扩散路径模型
2.4 时变信道模型
2.5 功率谱密度(Power Spectral Density, PSD)模型
2.6 匙孔信道(keyhole channel)模型
2.7 小结
2.8 习题
3 信道测量
3.1 信道测量方法综述
3.2 信道测量设备与系统
3.3 测量数据的后处理
3.4 相位噪声的影响及解决方案
3.4.1 基于滑窗的相位噪声干扰减轻方法
3.4.2 相位噪声白化（Whitening-）SAGE算法
3.5 非全向辐射模式下的信道测量
3.6 信道测量中切换模式的选取
3.6.1 信道测量的切换模式
3.6.2 TDM模式下的多普勒频移的估计
3.6.3 参数估计的模糊度
3.6.4 切换模式最优化
3.6.5 在感知期间忽略多普勒频移带来的影响
3.6.6 切换模式对性能的影响
3.6.7 实验研究
3.7 小结
3.8 习题
4 确定性信道的参数估计
4.1 巴特莱特波束形成器
4.2 MUSIC算法
4.3 ESPRIT和Propagator方法
4.4 最大似然（Maximum-likelihood ）算法
4.5 SAGE算法
4.5.1 信号模型
4.5.2 SAGE算法的推导
4.5.3 参数初始化算法
4.6 RiMAX 算法概述
4.7 基于证据框架的算法
4.7.1 多层证据框架（Multi-level evidence framework）
4.7.2 案例一: 包含指数衰减的三层证据框架
4.7.3 案例二: 包含延迟扩散的双层证据框架
4.8 小结
4.9 习题
5 统计性信道参数估计
5.1 色散参数的简要回顾
5.2 微分布散射体的参数估计算法
5.2.1 有效信号模型
5.2.2 基于镜面散射（SS）模型的估计算法
5.2.3 一阶GAM模型估计方法
5.2.4 仿真研究
5.3 基于PSD的色散估计算法
5.3.1 双向时延多普勒频移功率谱密度估计
5.3.2 信道功率谱估计算法
5.3.3 初始化步骤
5.3.4 测量数据评估
5.4 小结
5.5 习题
6 基于测量的统计信道建模
6.1 统计信道模型构建过程
6.2 基于镜面反射路径模型的聚类算法
6.2.1 基于多径簇的随机信道建模
6.2.1.1 多径簇的定义及其在信道建模中的应用
6.2.1.2 密集多径分量
6.2.1.3 多径簇的存在时长（Alive time）
6.2.1.4 分簇方法
6.2.2 基于多路径分量距离的聚类算法
6.2.2.1 多径分量距离的定义
6.2.2.2 无加权因子的MCD计算方法
6.2.2.3 路径聚类的实验结果
6.3 广义稳态观测数据长度的选择
6.3.1 基于最小扩散变化的数据分割方法
6.3.1.1 基于Kolgomorov-Smirnov假设检验的数据分割方法
6.3.2 实际测量数据分析实例
6.3.3 结论
6.4 中继和协作多点信道建模
6.4.1 背景介绍
6.4.2 SSF互相关与建模方法
6.4.3 中继信道特性的测量
6.4.4 模型提取
6.5 小结
6.6 习题
7 移动场景下的信道特征提取
7.1 研究现状
7.1.1 高铁信道特征研究
7.1.2 地铁信道特征研究
7.1.3 无人机信道特征研究
7.1.4 车车信道特征研究
7.2 基于扩展卡尔曼滤波器（EKF）的信道参数跟踪估计算法
7.2.1 概览
7.2.2 EKF的结构
7.2.2.1 状态(系统)模型
7.2.2.2 观察模型
7.2.2.3 扩展卡尔曼滤波器
7.2.3 线性近似带来的模型失配
7.2.3.1 初始相位误差对EKF性能的影响
7.3 基于粒子滤波的跟踪算法
7.3.1 低复杂度的粒子滤波PF算法
7.3.1.1 粒子状态的初始化
7.3.1.2 粒子滤波算法的框架
7.3.1.3 扩展到多路径环境
7.3.2 实测算法性能验证
7.4 小结
7.5 习题
评论0