本书首先概述了相对成熟的5G移动通信理论中信道特征的研究成果，提出了B5G和6G时代移动通信系统对无线电波传播特征了解、信道模型、以及新特性的全新需求。而后，本书从极具挑战性的B5G和6G的场景出发，围绕超大规模天线阵列的应用背景、大量传感设备的工业物联网场景、复杂城市中的智能车联网场景、高速移动和超高速动态场景、以及无人机应用中不同于传统应用的特殊环境，展开宽带、多维度信道研究的具体描述。在研究方法创新方面，本书特别推出了多种具有引领特色的参数估计算法，如基于非平面波假设的球面波估计算法、利用多重假设的可选贝叶斯算法、以及结合了深度学习的智能多径跟踪算法。在新型传播现象呈现方面，本书针对信道硬化现象、方向域稀疏性现象、大阵列非稳态现象、以及阴影关联性现象进行了重点分析。通过上述内容的深入研究，得到了具有B5G和6G特色的新型统计信道模型，如经过双向拓展的几何散射体簇模型、融合了单/多次折返分布的几何多径模型、以及动态场景模型。此外，为了能有效利用这些模型产生出准确的随机信道样本，本书也特别包含了模型实现部分，通过结合传播图论和深度学习、以及神经网络，得到更加符合实际场景的信道重现。总体而言，本书对于B5G和6G传输方式的演进、分析方法的推荐、特征提取算法的推导、和模型优化与应用，均有较为扎实、全面的描述，体现了较高的学术价值和对实际系统研发的重要指导意义。

目录

引言写作本书的背景1

第一章毫米波与THz信道特征8

1.1毫米波频段信道特征与建模8

1.2太赫兹频段信道特征与建模27

1.3本章小结：信道研究的趋势分析45

第二章高精度信道参数估计53

2.1信号相位波前研究55

2.2先验信道和信号模型60

2.3模型参数估计算法73

2.4不同波面模型在实测中的性能82

2.5结合虚拟阵列的算法性能90

2.6本章小结96

第三章通信感知一体背景下的信道特征提取99

3.1通感的场景100

3.2通感需要建立的信道模型103

3.3通感一体参数定义与估计104

3.4案例：基于大阵列测量的通感一体信道模型111

3.5本章小结115

第四章无人系统工作场景下的信道分析116

4.1固定翼无人机空地信道建模116

4.2无人艇低空空海信道模型139

4.3尾焰影响下的空地信道特性研究153

4.4本章小结160

第五章采用被动信道测量进行信道特征的采集165

5.15G被动测量系统的搭建166

5.25G下行信号提取170

5.3静止场景5G下行信道测量177

5.4高铁场景5G下行信道测量186

5.5本章小结218

第六章信道的高精度仿真——图论220

6.1背景220

6.2传播图论信道仿真概述221

6.3图论方法的改进227

6.4传播图论仿真方法的应用举例244

6.5本章小结251

第七章非地面通信信道特征256

7.1非地表网络及其在B5G和6G背景下与NR的融合256

7.2大气对地卫信号影响的综述266

7.3本章小结274

第八章实践案例：信道特征在天线阵列位置姿态检测的应用279

8.1基于图论的信道室内场景特征预测与验证280

8.2基于CycleGAN模型的信道特征迁移309

8.3基于支持状态机的天线阵列位姿估计317

8.4天线阵列位姿估计结果评估与讨论330

8.5本章小结345

第九章多种场景下的信道研究351

9.1多链路信道的特征及其应用351

9.2车载雷达信道模型构建356

第十章展望：基于人工智能的信道研究370

10.1问题与挑战370

10.2已有的工作371

10.3AI信道建模的初步尝试374

10.4本章小结376



引言写作本书的背景1

第一章毫米波与THz信道特征8

1.1毫米波频段信道特征与建模8

1.2太赫兹频段信道特征与建模27

1.3小结：信道研究的趋势分析45

第二章高精度信道参数估计53

2.1信号相位波前研究55

2.2先验信道和信号模型60

2.3模型参数估计算法73

2.4不同波面模型在实测中的性能82

2.5结合虚拟阵列的算法性能90

2.6小结96

第三章通信感知一体背景下的信道特征提取99

3.1通感的场景100

3.2通感需要建立的信道模型103

3.3通感一体参数定义与估计104

3.4案例：基于大阵列测量的通感一体信道模型111

3.5小结115

第四章无人系统工作场景下的信道分析116

4.1固定翼无人机空地信道建模116

4.2无人艇低空空海信道模型139

4.3尾焰影响下的空地信道特性研究153

4.4小结160

第五章采用被动信道测量进行信道特征的采集165

5.15G被动测量系统的搭建166

5.25G下行信号提取170

5.3静止场景5G下行信道测量177

5.4高铁场景5G下行信道测量186

5.5小结218

第六章信道的高精度仿真图论221

6.1背景221

6.2图论信道仿真概述222

6.3图论方法的改进228

6.4传播图论仿真方法的应用举例245

6.5本章小结252

第七章非地面通信信道特征258

7.1非地表网络及其在B5G和6G背景下与NR的融合258

7.2大气对地卫信号影响的综述268

7.3小结276

第八章实践案例：信道特征在天线阵列位置姿态检测的应用281

8.1基于图论的信道室内场景特征预测与验证282

8.2基于CycleGAN模型的信道特征迁移311

8.3基于支持状态机的天线阵列位姿估计319

8.4天线阵列位姿估计结果评估与讨论332

8.5本章小结347

第九章多种场景下的信道研究353

9.1多链路信道的特征及其应用353

9.2车载雷达信道模型构建358

第十章展望：基于人工智能的信道研究372

10.1问题与挑战372

10.2已有的工作373

10.3AI信道建模的初步尝试376

10.4小结378

随着5G通信系统在全球范围内大规模建设，我们已经进入5G时代。5G的垂直应用正在被不断开发。以5G为数字底座的延拓系统正在被开发，用于多种数字化转型，经济生活治理的数字化也正在不断地发展。

随着5G的发展，6G的研究也如火如荼。6G的理论基础、创新性的技术正在被积极研发。与6G相关的国际组织也正在积极开展标准化的工作，提案如井喷般大量涌现。围绕6G的研发也在世界各地开展起来。多个研究团队不断地出台技术白皮书，对技术的发展愿景进行预测和分析，描绘未来6G的蓝图。

在这样的背景下，我们继续围绕无线电波的传播特征这一主题，在新的方向和领域进行探索。相比于传统的信道研究而言，B5G、6G移动通信系统的信道研究的内容将更加丰富，同时也面临着很多的挑战。例如，对信道的特征有很多新要求，需要深入研究新频段、新系统和网络架构下的信道特征；对新设备如智能反射面RIS的引入，信道特征需要融合“可编程(programmable)”的因素，这是传统建模从未遇到的变化；对新的通信指标的要求，如Tb/s的要求，提出了对MUMIMO的多链路信道进行联合建模或者宏观建模的要求；对新功能如感知的需求出现，需要考虑究竟该如何将通信与感知或分离或融合的模型构建方式，都需要了解那些信道特征、模型应该是何种方式。接下来我们简要描述一下B5G和6G对信道研究有什么样的新要求。我们从新场景、新特征、新测量方式等多方面进行描述。

i. 新场景的出现

信道研究的场景得到了很大的扩展。例如，对于智能车联网而言，需要结合车联、网联的场景，如车车通信、车路协同，结合对数据传输、数据处理和运算的节点进行研究，以及如何充分对接传播的特点，来设计“通感算”的网络构建。

非地表通信也是需要关注的一个方面。传统的无人机通信的信道，尚未得到充分的研究。而如今，需要考虑空中停留的基站，这需要在紧急场景下进行临时快速部署空中基站，以满足低空的悬停基站到地面之间的通信需求。此时的信道特征应该是什么样的，尚未有系统的描述。此外，卫星到地面之间的信道研究，传统上多集中在信号衰弱方面，现在可能需要关注从卫星直接到地面接收终端之间的信道，尽管已有相关建议，如利用38.811、901等已有的信道模型进行组合来表示卫星到地面的信道特征，但是由于测量本身难度较大，能够有针对性地进行测量的条件很难满足，所以要得到场景丰富的NTN信道模型，还有很长的路要走。

此外，还有一些相对较为极端的场景也是需要考虑的。考虑到更多通信的场景、应急的场景，需要满足通信的需要。例如，火箭尾焰羽流中进行通信；无人系统位于多种非传统环境中的通信，如无人机之间的通信、无人机到无人艇之间的通信，此时无人机或无人艇的姿态可能会产生多种影响，或者由于系统常处于高速的移动状态，系统周边可能会存在多种散乱的环境，如开尔文尾流的影响等。

ii. 新特征的出现

随着系统配置在5G之后变得更为复杂，对应的传播信道的宏观特性，由于其经常和系统性能之间具有直接的关联，所以也被广泛关注并研究。这些特性包括：

(1) 信道的稀疏性。代表的是信道内相互独立的分量的数量，通常分量数量较少，会导致信道的稀疏，即信道被分解为并行、正交的子信道的数量较少，此时的信道称为“稀疏”信道。

(2) 信道的非稳态性。信道在时间域上的变化特征，即信道的非稳态特征。信道的统计特征可能会随着环境的变化而变化，这里的统计特征包含了多阶的特征，如一阶矩、二阶中心距等。一个具有较为明显的非稳态特征的信道，意味着信道的特征随着时间、空间变化的规律比较明显。

(3) 信道的硬化性。多入多出的信道也存在所谓的“硬化”特性，即信道某些方面的变化较为稳定，随着信道配置的通道增加，信道趋于独立同分布的特征越来越明显，这种情况称为“硬化”。通常硬化程度较深的信道，可以随着系统配置的输入/输出端口增加，而具有线性增加的信道秩。描述信道硬化的需求，在多用户MIMO的情况下，可能会更为强烈。随着TbpsMIMO系统的提出，通过天线阵列的选择，可使得多个用户到基站之间的信道具有统计独立和一致性，从而可以通过增加天线阵列的规模持续增加系统的总体容量。

(4) 信道的环境一致性。*近一段时间以来，随着通信感知一体化的研究深入，对如何通过信道特征进行周边环境的识别，成为一个研究热点。这时，为了能够采用类似雷达探测的功能，需要对信道特征与环境之间的对应关系进行研究。我们也可以通过定义信道特征环境一致性这样的特性来说明，信道多径能够有效对应空间中的散射体。例如，如果单次折返的路径具有对环境更为直接的描述和回溯能力的话，则单次折返路径在整体信道存在的比例，就可以作为“环境一致性”的描述。

还有其他很多特性，能够用来宏观地描述信道。希望能够采用量化的指标来描述这些特性，并且通过和系统性能之间进行一定的线性关联，从而为建立模型创建理论基础和框架。

iii. 新型的信道多径描述方式的出现

信道多径分量的研究，作为宽带信道研究的一个传统方式，从20世纪80年代开始就得到了广泛的关注。对于多径的几何参数的研究始终是重点，并且这些研究大多假设环境中的多径都为平面波。随着天线阵列和带宽的不断增加，从而引起频点数量的不断增加，以及高速变化的环境引起的稳态保持时间的减少，原本的相关假设将会逐渐失效（即信道的分量对于所有天线、所有频点和观测时间内都具有相同的几何参数，同时多径满足平面波的假设）。这种情况下，我们需要引入更多的几何上的自由度来描述多径之间的差别。由此，我们想到了通过描述“波面”的几何特征来进行区分。例如，我们可以将平面波的假设扩展为球面波的假设，增加不同天线观测到的单一路径之间的差异，从而增加多径的描述程度。同样的，我们还可以考虑引入轨道角动量的涡旋波面假设。引入这些更具有空间自由度的参数，就可以通过简单的参数化表示非平面波面的情况。当然，也可以采用多流形展开的方式，例如，通过泰勒展开的形式，引入多径的多阶微分分量，形成区别于传统平面波和球面波的非平面波面假设。

iv. 新的测量方式的出现

在测量技术方面，传统的主动测量，即采用专用的信道发生和接收装置的测量方式，尽管具有测量精准、系统校准的可行性高等优点，但在满足B5G和6G信道建模的需求方面，还是受到多方面的限制。例如，难以按照B5G和6G的通信场景的要求，来设计和制造相应的信道测量平台；很难有针对性地构建与实际通信或者感知场景相一致的测量环境，如高铁场景、卫星通信的场景等。也正是这些原因，导致传统4G或者所谓5G的信道模型和真正的5G应用场景有差异。业内也对这些模型是否真实反映了5G和B5G所关注的场景产生了较大的疑问。为此，对于信道测量方式方法的改进，应该首先提升场景的复杂性和真实性。利用已经为B5G和6G设计研发的样机或者已经能够被试用的系统，并且在业内认可的实际场景中进行测量，才能得到有信服力的信道实测数据，才能为构建真实可用的信道模型打下基础。所以被动测量或者利用已建通信系统进行信道的测量，是未来一个需要认真考虑的测量方式。这种被动测量的*大问题是难以将收发端特别是信道发射端的系统响应准确校准。利用大数据和人工智能机器学习的相关方法也许能够在一定程度上解决相关的问题。现阶段被动测量还没有形成系统的信道特征、信号特性、系统响应能够准确分离的方法论，该如何利用机器学习来提升被动测量的模型准确度，也没有得到深入的研究。随着6G场景的复杂性进一步提升，被动测量可能会被更加重视，并且将被动测量中的关键技术应用于感知，从而实现从模型建立到实时优化的多方面应用。

v. 新的确定性建模方法的出现

采用仿真的方式来预测信道特征，在B5G和6G的信道研究中，具有举足轻重的地位。传统的射线追踪信道仿真的方法继续在新的频段、新场景中预测信道特性。但由于其较高的计算复杂度，同时伴随而来的有限数量的多径跟踪、每个多径上有限作用次数的计算限定，使其对大量多径所形成的统计特性、随机特性、信道背景特性，都缺少有效的方法来描述。我们需要能够从一个3D数字化地图出发，准确地并且在短时间内以较低的计算复杂度就可以模拟出给定收发位置、收发设备的配置和工作参数下的信道响应。迄今为止，除了射线追踪这种信道仿真的方法以外，还有传播图论能够针对环境建立散射体的物理分布模型，设定散射体之间的可见性，利用定义好的点到点之间的电波的状态转移系数，形成用矩阵来表示的传播图。近一段时间以来，业内对传播图进行了多方面的研究，改进了传播图在使用中的技术，如读取数字化地图的算法，改变了参数的设定；通过实测数据进行图论模型的校准，以及利用图的拓扑结构来模拟室内到室外或者城市内不同区域的散射体分布，等等。这些努力已经使得传播图论仿真信道特征成为能够工程化的算法。未来的研究中，通过射线追踪和图论之间的融合，希望可以有更有效的信道仿真理论和工具的普遍使用。

vi. 新的统计性建模方式的出现

传统的基于实测的统计信道建模，依赖于对典型环境的测量，对采集得到的数据进行谱分析、参数化分析以及通过降低复杂度同时又可以保持统计特征的一系列方式方法。统计模型被用于信道样本生成时，通常建立在被重构的信道和建模时采集数据所考虑的信道，具有相同的统计特性的假设。然而，这个假设是否成立，通常会受到挑战。特别是所谓的标准模型，由于历史上通过欧洲研究机构建立标准的情况较为普遍，所以标准模型似乎更能够代表欧洲的典型场景，如楼层通常在六或七层、楼的密度较高等，由此所谓的城市环境，并不一定能代表如上海、东京、深圳等这些更为现代化的城市场景，所以在进行系统仿真的时候，信道模型应该有所改变。为了建立新的模型，需要重新进行大量的测量和分析工作，并且很可能有些场景开展测量的实际难度会比较高。所以，希望可以改变建模方式，特别是随着信道仿真的工具，如射线追踪、传播图论仿真的方法更为成熟，同时三维的城市地图具有更高的精度并且可以相对容易地读取，此外，大数据支持下的信道建模，即通过神经网络构建的方式，通过大数据训练、迁移学习，来建立能够产生符合实际信道特征的随机样本的“AI模型”。这里的AI模型可能与传统的几何模型有较大的区别，不再遵循和依赖多径的方式进行信道的描述，可能会融合更多的环境中的确定性信息如散射体的分布等，将基于大数据总结出来的统计特征更加完整地进行描述，而不是仅仅依靠几个或者十几个多径簇。建立AI信道模型的难点还比较多，主要体现在机器学习的网络架构该如何选择，网络架构需要学习什么样的信道特征，学习的效果该如何验证，模型或者样本的产生与使用该样本的目标之间该如何通过网络架构来进行统一。

vii. 信道建模的目的发生的改变

以往的信道模型主要服务于通信系统或者算法的设计以及性能的优化等。随着人工智能在各行各业的应用，数据成为驱动人工智能发展的必要资源。通信系统，特别是移动通信系统，一方面具有广泛的网络覆盖，已经作为基建成为数据采集的基础设施，另一方面，通信系统具有更为先进的计算功能、存储功能，结合移动通信网络的信息传递功能，更有条件承担起数据采集、存储、处理、传输的功能。信道是数据采集的一个重要的来源和对象。广义的模型，即是对信道各个方面的特征进行提炼归纳，形成可描述数据的数学和逻辑方法。为此，思考当今信道建模的目的，也能够意识到此时的模型，已经不仅仅是传统的出现在各类通信标准中的信道模型了，而是对数据进行建模，信道可能是数据产生的通道，信道的形态也是对数据建模的时候需要参考的对象。

所以信道建模的目的也因此得到了拓展，例如，感知对信道的模型要求，就可以认为是一个传统的几何建模所不能直接满足的，需要我们重新思考信道的建模问题。对于特定的检测目标，如利用毫米波发射接收装置来检测开车的驾驶员是不是有困倦的行为，利用电波对雷达中可能看到的虚假的影像进行检测（该虚假的影像可能具有和别的正常影像不同的行为），利用电波对树木、具有较大表面的建筑物、具有复杂结构的建筑物等进行判别识别，以及利用WiFi信号或者移动通信系统信号进行人体动作的识别等，这些都需要模型来描述。图01所示的为利用77 GHz中心频点的啁啾信号测量一个人身体和脸部不同的动作表情，对得到的反射信号进行处理所得到的随着观测时间变化的多普勒频移功率谱。从图01可以看到，多普勒谱中的能量聚集区域以及随着时间变化的频率和幅度，对应着被测人的动作呈现出不同的形态。如果能够建立有区分度的模型，就可以对引起谱变化的原因进行判别。所以建立正确的、合理的模型，也是重要的研究内容。

图01利用77 GHz中心频点的啁啾信号测量得到的多普勒频移随着测量时间变化的趋势

(a)当被测人员正在眨眼时的多普勒频移功率谱；(b)被测人正在打哈欠时的多普勒频移功率谱；
(c)被测人正在挥手时的多普勒频移功率谱

上述描述仅仅是B5G和6G对信道研究提出的新要求的部分内容。由此带来的研究课题是多方面的，如设备平台搭建、参数提取算法、特征提炼方式，以及模型在通信感知多场景中的使用方法等。本书将对其中的部分内容做更为详细的整理和阐述。


基于如上的考虑，本书的内容包括如下章节。


第一章毫米波与THz信道特征。考虑到B5G和未来6G通信系统所使用的电波频段，有较大的可能是在相对高频的区域，即毫米波频段和太赫兹（THz）频段。近年来，通信界对毫米波频段的信道特征做了大量的研究，不仅有理论计算、仿真模拟，同时也开展了很多实地测量，对毫米波频段的信道特征进行了深入的挖掘。此外，对于THz频段，即通常意义上所指的110 GHz频点以上的频段，其电波传播特性也开始从多方面进行研究。本章首先针对毫米波、THz电波传播信道，以文献综述的方式总结近年来的研究成果；其次，对长期以来业内关注的信道关键特征进行讨论，对相关研究侧重做一些探讨。与此同时，结合迄今B5G、6G的相关建模活动，展望预测未来信道研究的要点。

第二章高精度信道参数估计。本章首先讨论针对电波传播的相位波前进行参数化先验模型的构建，采用了平面波、球面波以及具有轨道角动量的涡旋波相位波前作为例子，推导了其波前参数化模型，并且对于非规则非平面波面通过泰勒展开来构建波前模型。其次，从三个方面对参数估计算法进行了阐述：一是广泛使用参数估计EM和SAGE算法的基本架构，并拓展到空间散射系数谱计算以进行感知；二是以平面波、球面波和非平面波的波面先验参数化模型为例，呈现信道多径估计结果的异同；三是在测量过程中构建多种形式的虚拟天线阵列，来增加和提升信道参数估计的维度与精度。

第三章通信感知一体背景下的信道特征提取。在通信感知一体化已经成为B5G和6G发展方向的大背景下，业内更加关注通信感知（简称通感）的信道模型如何建立的话题。本章尝试对感知信道的特征进行深入讨论：首先，构建通感一体模型的基础性参数是什么，应该如何进行提取；其次，如何将这些参数通过实测数据采集、参数化估计算法的实施，来得到实际的参数样本。总体而言，这些参数可分为三类：一是几何参数，特指传播路径的几何参数，如时延、多普勒频移、角度等；二是运动状态参数，如在不同的参数域，信道内的多个分量随着观测时间的演变而变化的规律；三是散射体的物理特性参数，如表面的粗糙程度、几何形状、姿态、位置等。本章介绍了一种面向大规模MIMO的通感一体信道模型，即通过超大阵列信道测量数据分析得到的散射体簇来关联传统的多径簇，从而得到传播环境和通信信道的综合模型。此类模型的建立对于复合应用场景环境重现具有重要的意义。

第四章无人系统工作场景下的信道分析。无人系统工作在相对比较极端的环境，其信道特征的特殊性非常值得研究。建立的模型相比标准的移动通信场景而言，可能具有更丰富的分析维度。本章对固定翼无人机在微波频段、毫米波频段的信道特征进行了对比，同时分析了无人机在飞行过程中各个阶段的信道模型。此外，本章对于无人艇与无人机之间的信道也做了实测的研究，特别是针对无人艇在海上运行时信道特征的改变，能明显反映出环境、无人艇的姿态对通信信道的影响。这些特征对于B5G、6G系统如何支持无人系统通信，特别是需要在非典型、非传统环境里，以与普通手机用户设备不同的移动方式、姿态进行通信提供重要的认知支撑。通过本章，我们可以看到该如何对非传统环境的信道模型进行模型参数、自变量的扩展；对于比较特殊的、新的通信要求该如何进行先验模型、测量和分析、建模等方面的拓展。

第五章采用被动信道测量进行信道特征的采集。随着通信系统工作环境的多样性不断增强，通过预先建立信道测量平台，再在各种典型的应用场景中进行特征采集进而构建统计模型的传统方式，很难适应大数据的获取，难以构建统计性能良好的信道模型。为此，可以采用被动测量的建模方式，即在已经商用的系统里，利用架设好的接收设备，接收该商用系统的下行信号或者上行信号，通过数据分析，得到传播信道的特征，进而构建信道模型。本章重点描述如何利用5G Sub6GHz的商用系统，进行被动信道的测量。根据系统存在多个可以进行信道冲激响应计算的信号，我们设计了能够融合多种数据类型的参数估计算法，并通过静止场景、高铁场景的5G下行信号的采集与分析得到信道特征。此外，本章按照通感一体的建模思路，构建了基于几何簇的时变信道模型，并通过实测数据，对信道模型的可用性进行了验证。

第六章信道的高精度仿真——图论。本章介绍了传播图论模拟信道特征的信道仿真方法。在介绍了图论的基本原理后，我们对图论近期在多方面的改进进行了描述。其中包括将反射传播机制融合到图论的数学计算框架中，并且将反射散射之间的传播利用嵌入式的方式进行了实现，这种思路能够拓展图论对复杂场景的传播模拟的适用性。此外，本章介绍了将射线追踪和图论结合在一起的混合方式，以及马尔可夫链模型来决定环境中对传播产生较大影响的散射体的分布。另外为了能够将图论用于更大范围，如城市场景下的传播仿真，我们还介绍了在城市范围内，如何进行图论模型的散点以及为了模拟时变阻挡效应，采用概率的方式来刻画直射路径的随机闪现。本章还介绍了如何将图论与机器学习的相关方法相结合，利用迁移学习将图论仿真的准确度进一步提升。本章还展示了在城区、山区等环境中使用传播图论的效果。

第七章非地面通信信道特征。 随着6G的到来，非传统的地面移动通信正进入技术实现的视野里。而这个领域的信道模型的缺失，阻碍了通信技术的研发和性能优化。在本章，我们初步对非地面传统通信的信道研究做文献综述，列举可能短期采纳的实现方案，同时也分析了卫星到地面的信道特征与传统信道的不同，对未来的信道测量、仿真做了前瞻性的分析和展望。

第八章实践案例：信道特征在天线阵列位置姿态检测的应用。在未来的B5G和6G中，信道特征可能会被用来做与智能感知相关的工作。在本章，我们详细介绍了如何利用信道特征来进行感知，特别是对发射端天线阵列的精确位置和姿态进行判断。我们融合了机器学习的相关方法，展示了信道特征在智能应用方面的潜力。在研究如何利用信道特征的同时，我们也对采用人工智能（AI）的方式对信道进行建模做了初步研究：利用CycleGAN网络架构，通过采用图论与射线追踪的融合，构建确定性与统计性兼具、基于环境的信道特征预测技术，利用实测数据对预测技术得到的结果进行迁移，然后将训练好的CycleGAN网络用于给定的任一环境，产生出接近真实信道特征的信道样本。这样的操作流程既很好地利用了信道研究界已有的对传播机制的认知，又结合了通过实测数据来优化认知或信道特征复现性能，并且得到了具有相对普适性的AI建模方法，而非传统的参数化信道模型。

第九章多种场景下的信道研究。如前所述，除了无线通信系统信道研究之外，现阶段也存在较多非通信场景下的无线电波传播特征研究需求。在本章，我们首先讨论车载毫米波雷达信道，以其实际测量、特征提取和模型构建等角度讨论建立更多服务于探测、感知的传播模型构建理论和关键技术。车载雷达使用的信号为啁啾信号，信号处理自成体系，与传统的信道测量不同，原理上可以采用多种啁啾信号同时进行多链路信道的估计，因此具有较大的应用前景。以车载雷达的多个场景为例，本章介绍了数据处理过程，讨论观察到的现象，分析提取的特征，呈现统计模型，并对所建雷达信道模型的架构合理性、模型应用进行探究。其次，还对我们曾经开展的室内全双工信道的实测工作做了介绍，希望为研究并行的、多链路信道的联合特征提取、建模的方式方法提供些思路。

第十章展望：基于人工智能的信道研究。人工智能理论与方法的发展为众多科学和工程领域的研究带来了全新的视角，塑造出令人期待的创新前景。在本章，我们首先对现阶段传统的无线信道建模遇到的挑战和亟须解决的问题做简要描述，然后对采用人工智能方法进行信道研究的文献进行分析综述，讨论如何构建多种神经网络，来对无线电波在多种场景下的传播特性进行挖掘、信道特征进行提取以及构建基于神经网络的统计信道模型。该方向的研究还处于早期阶段，创新成果可谓日新月异，我们在此仅对初步的思路进行介绍，期待未来基于人工智能的信道特征研究带来革命性的改变。