5G无线通信中的多频段毫米波信道测量与建模
| 缩略词表 | 第17-21页 |
| 数学符号表 | 第21-22页 |
| 中文摘要 | 第22-24页 |
| ABSTRACT | 第24-26页 |
| 第1章 前言 | 第27-35页 |
| 1.1 研究背景 | 第27-31页 |
| 1.2 国内外研究现状 | 第31-33页 |
| 1.3 研究目的与意义 | 第33-34页 |
| 1.4 论文结构 | 第34-35页 |
| 第2章 5G毫米波通信综述 | 第35-51页 |
| 2.1 毫米波频谱分配 | 第35-36页 |
| 2.2 毫米波信道传播特性 | 第36-37页 |
| 2.3 信道测量方法 | 第37-42页 |
| 2.3.1 频域信道测量 | 第37-38页 |
| 2.3.2 时域信道测量 | 第38-39页 |
| 2.3.3 毫米波信道测量方法 | 第39-42页 |
| 2.4 信道参数估计算法 | 第42-44页 |
| 2.4.1 谱估计算法 | 第42-43页 |
| 2.4.2 参数子空间算法 | 第43页 |
| 2.4.3 确定性参数估计算法 | 第43-44页 |
| 2.5 信道建模方法 | 第44-50页 |
| 2.5.1 确定性信道建模 | 第44-46页 |
| 2.5.2 半确定性信道建模 | 第46页 |
| 2.5.3 随机性信道建模 | 第46-49页 |
| 2.5.4 毫米波信道建模方法 | 第49-50页 |
| 2.6 小结 | 第50-51页 |
| 第3章 60GHz室内信道测量与建模 | 第51-73页 |
| 3.1 60GHz室内信道测量 | 第51-54页 |
| 3.1.1 测量环境 | 第51页 |
| 3.1.2 测量系统设置 | 第51-54页 |
| 3.2 测量方法比较 | 第54-55页 |
| 3.3 数据后处理算法 | 第55-56页 |
| 3.4 测量结果与分析 | 第56-67页 |
| 3.4.1 测量结果对比 | 第56-60页 |
| 3.4.2 UVA测量结果 | 第60-63页 |
| 3.4.3 天线对信道特性的影响 | 第63-67页 |
| 3.5 60GHz室内信道建模 | 第67-72页 |
| 3.5.1 射线追踪信道建模 | 第67-70页 |
| 3.5.2 SV信道建模 | 第70-72页 |
| 3.6 小结 | 第72-73页 |
| 第4章 多频段毫米波大规模天线信道测量与建模 | 第73-99页 |
| 4.1 毫米波大规模天线通信概述 | 第73-75页 |
| 4.2 毫米波大规模天线信道测量 | 第75-77页 |
| 4.3 数据后处理算法 | 第77-79页 |
| 4.4 多频段毫米波信道特性比较 | 第79-89页 |
| 4.4.1 平均功率时延分布 | 第79-81页 |
| 4.4.2 功率方位角/俯仰角分布 | 第81-84页 |
| 4.4.3 均方根时延扩展与角度扩展 | 第84-86页 |
| 4.4.4 相关函数 | 第86-87页 |
| 4.4.5 信道容量与传输速率 | 第87-89页 |
| 4.5 毫米波大规模天线信道特性验证 | 第89-95页 |
| 4.5.1 近场球面波特性 | 第89-91页 |
| 4.5.2 簇的生灭特性 | 第91-93页 |
| 4.5.3 非平稳特性 | 第93-95页 |
| 4.6 毫米波信道建模 | 第95-98页 |
| 4.6.1 传播图模型 | 第95-97页 |
| 4.6.2 几何随机信道模型 | 第97-98页 |
| 4.7 小结 | 第98-99页 |
| 第5章 毫米波多天线三维几何随机信道模型 | 第99-115页 |
| 5.1 毫米波信道模型概述 | 第99页 |
| 5.2 齐次泊松点过程 | 第99-100页 |
| 5.3 毫米波多天线三维信道模型 | 第100-106页 |
| 5.3.1 信道模型描述 | 第100-102页 |
| 5.3.2 信道冲激响应生成 | 第102-105页 |
| 5.3.3 多天线信道生成 | 第105-106页 |
| 5.4 仿真结果与分析 | 第106-114页 |
| 5.4.1 毫米波信道测量 | 第106-107页 |
| 5.4.2 仿真参数设置 | 第107页 |
| 5.4.3 仿真结果分析 | 第107-114页 |
| 5.5 小结 | 第114-115页 |
| 第6章 基于大数据与机器学习的无线信道模型 | 第115-131页 |
| 6.1 无线大数据概述 | 第115-116页 |
| 6.2 无线通信中的大数据分析 | 第116-119页 |
| 6.2.1 机器学习算法概述 | 第116-117页 |
| 6.2.2 机器学习在无线通信与信道建模中的应用 | 第117-119页 |
| 6.3 基于机器学习的信道模型 | 第119-121页 |
| 6.3.1 实测数据集 | 第119-120页 |
| 6.3.2 仿真数据集 | 第120页 |
| 6.3.3 基于神经网络的信道模型 | 第120-121页 |
| 6.4 结果与分析 | 第121-129页 |
| 6.4.1 测量数据集统计特性预测 | 第122-124页 |
| 6.4.2 仿真数据集统计特性预测 | 第124-129页 |
| 6.5 小结 | 第129-131页 |
| 第7章 总结及未来展望 | 第131-135页 |
| 7.1 论文工作总结 | 第131-132页 |
| 7.2 未来研究方向展望 | 第132-135页 |
| 7.2.1 毫米波大规模天线信道测量与建模 | 第132页 |
| 7.2.2 室外毫米波移动信道测量与建模 | 第132-133页 |
| 7.2.3 波束域毫米波信道建模 | 第133页 |
| 7.2.4 毫米波蜂窝网络性能评估 | 第133-134页 |
| 7.2.5 太赫兹信道测量与建模 | 第134-135页 |
| 参考文献 | 第135-151页 |
| 致谢 | 第151-153页 |
| 攻读博士学位期间的成果列表 | 第153-156页 |
| 附件 | 第156-202页 |
| 学位论文评阅及答辩情况表 | 第202页 |
