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。

这部教材具有如下的特点：1）理论架构完整：该教材对传播信道特征的阐述较为全面，不仅对其自然机理，而且对研究方法、特征挖掘和建模过程的各个环节进行详细的介绍；2）内容新颖先进：这部教材侧重5G及B5G时代无线通信对信道特征研究的需求，介绍并分析时、空、频、极化、以及空间一致性方面的特征挖掘，围绕5G关键技术如大规模天线阵列、毫米波传输阐述相应的信道特征提取细节；3）体现学科交叉与融合：该教材的多个章节对将信道特征在通信以外领域中的应用进行了详细描述，如与雷达目标识别以及环境感知领域的交叉应用，利用信道特征通过机器学习的方式进行指纹提取用于移动终端定位，以及利用信道时变特征对环境中散射体的位移进行预测等，信道与其他功能实现之间的交叉对未来智能技术、物联网技术的发展具有重要的意义；4）方法具有较强的通用性：该部教材在信道特征研究中融入了多种信号处理的方法、贝叶斯理论、粒子滤波、卡尔曼滤波以及机器学习、深度学习、神经网络算法在信道特征提取中的应用范例，这些内容能够是读者触类旁通，举一反三，可以通过信道研究掌握多种研究方法、算法。

准确了解无线电波传播信道特征是实现高质量无线通信的基础。在5G时代，复杂的无线环境、多种的应用类型、以及一系列先进通信技术的使用，使无线传播信道的研究从传统的模型构建迅速演化为基于人工智能和深度学习方法对信道的多维、动态和统计特征进行深入挖掘，以提高系统稳定性，改善用户体验。近年来虽然有多本信道特征相关的著作、教材陆续出版，但大都侧重于信道某一方面的特征描述，较为笼统地解释信道特征研究的标准流程，关注的场景相对单一，特征多限于窄带和有限维度色散，缺乏对5G所应用的复杂环境如高速移动、空对地传输、工业物联网、密集城市、多种类型植被情况下的未知信道特性的研究进行阐述。本书针对现阶段高校研究所对于电波传播信道特征的内容与5G，6G的发展存在较大差距的问题，对信道特征在5G应用背景下的研究方法、取得的成果进行阐述，为5G、6G和B5G其他多种无线系统研发提供信道参考。
本书的主要内容包括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。
这部教材在编写的过程中突出如下方面的侧重。首先，保持信道特征理论架构的完整性。该教材对传播信道特征的阐述较为全面，不仅对其自然机理，而且对研究方法、特征挖掘和建模过程的各个环节进行详细的介绍。其次，注重内容的新颖性和先进性。这部教材侧重宽带无线通信对信道特征研究的需求，介绍并分析时、空、频、极化、以及时变情况下的信道特征挖掘。书中描述的测量方法、信道参数提取算法和建模方法，同样适合于5G场景如使用大规模天线阵列、毫米波传输情况下的信道特征研究。再者，本书侧重学科交叉与融合。其中多个章节对将信道特征在通信以外领域中的应用进行了详细描述，如与雷达目标识别以及环境感知领域的交叉应用，利用信道特征通过机器学习的方式进行指纹提取用于移动终端定位，以及利用信道时变特征对环境中散射体的位移进行预测等，信道与其他功能实现之间的交叉对未来智能技术、物联网技术的发展具有重要的意义。此外，本书所介绍和描述的方法具有较强的通用性。和其他相对笼统介绍信道特征不同，我们在信道特征研究中融入了多种信号处理的方法、贝叶斯理论、粒子滤波、卡尔曼滤波算法在信道特征提取中的应用范例，这些内容能够是读者触类旁通，举一反三，可以通过信道研究掌握多种研究方法、算法。

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*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。

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*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 *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*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