隨著5G商用日漸成熟，業(yè)界開始啟動6G系統(tǒng)的研究工作，并形成了廣泛共識。盡管6G的場景和需求已基本明確，但是候選關鍵技術仍在不斷發(fā)展。本書首先簡要介紹了6G的業(yè)務需求和技術發(fā)展趨勢、6G愿景和設想、研究進展情況等；接著分析了6G關鍵技術，例如太赫茲頻譜技術等，還分析了頻段傳播損耗，并對太赫茲MAC協議設計進行分析闡述，重點闡述了人工智能中的深度學習技術在6G技術推動終端應用等方面的技術特點，介紹了UM-MIMO技術；然后闡述了6G融合的衛(wèi)星通信技術；后敘述了6G系統(tǒng)的應用和部署設想。
本書既適合從事6G技術的研究人員、設備研發(fā)人員和網絡工程相關人員參考學習，也適合高等院校移動通信專業(yè)的師生閱讀。
許光斌 正高級工程師，通信設計工作者，杭州市高層次人才，一直從事無線網絡技術研究、規(guī)劃、設計和優(yōu)化工作，在移動通信領域的3G/4G/5G網絡規(guī)劃、優(yōu)化、工程設計方面擁有豐富的經驗，同時較早研究6G網絡技術；發(fā)表論文數十篇，申請并已授權專利5項，編審國家標準5項。
第 1章 6G系統(tǒng)概述 001
1.1 移動通信發(fā)展趨勢 002
1.1.1 業(yè)務需求發(fā)展趨勢 002
1.1.2 技術發(fā)展演進趨勢 003
1.2 標準化和研究活動 006
1.3 6G愿景和設想 007
1.4 6G指標及面臨問題 016
1.4.1 6G指標要求 016
1.4.2 6G研究面臨的問題和挑戰(zhàn) 017
第 2章 6G無線網關鍵技術 019
2.1 關鍵技術綜述 020
2.1.1 顛覆性通信技術 021
2.1.2 創(chuàng)新的網絡架構 029
2.1.3 網絡與智能集成 030
2.2 移動通信頻譜現狀 031
2.3 太赫茲通信 033
2.3.1 太赫茲研究進展 033
2.3.2 太赫茲技術 036
2.4 可見光通信 039
2.4.1 可見光通信技術的發(fā)展 039
2.4.2 可見光通信的基本原理 040
2.4.3 可見光通信的信道容量 041
2.4.4 可見光通信的優(yōu)勢 042
2.5 太赫茲與光通信技術的差異 043
2.6 靈活頻譜技術 046
2.6.1 頻譜共享 046
2.6.2 全自由度雙工技術 047
2.6.3 認知無線電和區(qū)塊鏈動態(tài)頻譜共享技術 049
第3章 太赫茲傳播損耗分析 061
3.1 概述 062
3.2 太赫茲波大氣衰減 062
3.2.1 大氣特征衰減 063
3.2.2 太赫茲波大氣衰減簡化計算 065
3.3 雨水通信信號的衰減 066
3.4 云、霧通信信號的衰減 067
3.5 降雪通信信號的衰減 068
3.6 沙塵氣候特征衰減率 068
3.7 室內無線傳播損耗 070
3.7.1 實地測量實驗 070
3.7.2 射線跟蹤評估 071
第4章 太赫茲技術 075
4.1 概述 076
4.1.1 太赫茲與其他頻譜技術對比 076
4.1.2 太赫茲MAC協議的背景 077
4.2 太赫茲頻段的應用 080
4.2.1 宏網絡中的太赫茲應用 082
4.2.2 納米網絡中的太赫茲應用 083
4.2.3 太赫茲通信的其他應用 084
4.3 太赫茲MAC協議的設計 085
4.3.1 太赫茲頻段通信的特點 085
4.3.2 太赫茲MAC協議的設計注意事項 088
4.3.3 MAC協議決策內容 093
4.3.4 太赫茲應用場景與MAC協議關系 094
4.4 不同網絡拓撲的太赫茲MAC協議 095
4.4.1 集中式網絡的太赫茲MAC協議 095
4.4.2 集群式網絡的太赫茲MAC協議 096
4.4.3 分布式網絡的太赫茲MAC協議 097
4.5 太赫茲通信信道接入機制 099
4.5.1 納米網絡信道接入機制 100
4.5.2 宏網絡信道接入機制 103
4.6 發(fā)射端和接收端太赫茲MAC協議 106
4.6.1 發(fā)射端發(fā)起MAC協議 106
4.6.2 接收端發(fā)起MAC協議 108
第5章 深度學習 111
5.1 概述 112
5.2 移動網絡中深度學習的技術推動 116
5.2.1 高級并行計算 117
5.2.2 分布式機器學習系統(tǒng) 118
5.2.3 專用深度學習庫 119
5.2.4 快速優(yōu)化算法 121
5.2.5 霧計算 122
5.3 深度學習的技術特點及對無線網絡的驅動 124
5.3.1 移動大數據 126
5.3.2 深度學習驅動網絡級移動數據分析 128
5.3.3 深度學習驅動應用程序級移動數據分析 132
5.3.4 深度學習驅動用戶遷移分析 135
5.3.5 深度學習驅動用戶本地化 138
5.3.6 深度學習驅動的無線傳感器網絡 140
5.3.7 深度學習驅動的網絡控制 143
5.3.8 深度學習驅動的信號處理 149
5.3.9 移動網絡中出現的深度學習應用 151
5.4 讓深度學習適應移動網絡 153
5.4.1 讓深度學習適應移動設備和系統(tǒng) 153
5.4.2 在分布式數據容器中裁剪深度學習 155
5.4.3 調整深度學習以適應移動網絡環(huán)境的變化 158
第6章 UM-MIMO技術 161
6.1 概述 162
6.2 UM-MIMO系統(tǒng)模型 164
6.3 基于太赫茲波的UM-MIMO信道條件 166
6.4 UM-MIMO的SM方案 168
6.4.1 UM-MIMO自適應分級SM 168
6.4.2 基于可配置石墨烯片的UM-MIMO 170
6.5 UM-MIMO性能分析 171
6.6 UM-MIMO性能驗證 172
6.7 UM-MIMO交織、調制和編碼優(yōu)化 174
6.7.1 UM-MIMO頻率交織天線映射 174
6.7.2 UM-MIMO改進 176
6.7.3 UM-MIMO廣義空間和索引調制 177
6.7.4 UM-MIMO增強檢測和編碼方案 178
6.7.5 UM-MIMO優(yōu)化問題 178
6.8 基于UM-MIMO無線通信智能環(huán)境 178
6.8.1 基于UM-MIMO平臺的智能環(huán)境設計 179
6.8.2 UM-MIMO智能系統(tǒng)端到端特性和性能 181
6.9 UM-MIMO信道估計 184
6.9.1 高斯回歸過程的UM-MIMO深度核函數 184
6.9.2 UM-MIMO系統(tǒng)信道模型 186
6.9.3 UM-MIMO信道估計結果分析 187
6.10 UM-MIMO系統(tǒng)的挑戰(zhàn) 189
6.10.1 UM-MIMO等離子體納米天線陣列的制備 189
6.10.2 UM-MIMO物理層的設計 190
6.10.3 UM-MIMO鏈路層的設計 190
6.11 結論 191
第7章 衛(wèi)星通信網絡技術 193
7.1 衛(wèi)星通信技術 194
7.1.1 衛(wèi)星通信概述 194
7.1.2 衛(wèi)星通信頻段、分類及特點 195
7.1.3 衛(wèi)星通信系統(tǒng)的組成及工作過程 200
7.1.4 衛(wèi)星運動的軌道 203
7.1.5 衛(wèi)星通信系統(tǒng)的應用 206
7.2 衛(wèi)星通信網體系結構和研究 207
7.2.1 衛(wèi)星通信網的體系結構 207
7.2.2 基于衛(wèi)星的通信 215
7.2.3 衛(wèi)星通信網研究 217
7.3 衛(wèi)星通信網路由技術 224
7.3.1 衛(wèi)星通信網星座設計技術 224
7.3.2 衛(wèi)星通信網路由技術 228
7.3.3 衛(wèi)星通信網路由面臨的問題 230
7.3.4 衛(wèi)星通信網路由技術分類 232
7.4 微型衛(wèi)星技術的特點及設計 236
7.5 微型衛(wèi)星存儲/轉發(fā)數據通信系統(tǒng)的設計 237
7.5.1 系統(tǒng)構成 238
7.5.2 微型衛(wèi)星數據系統(tǒng)通信協議和信令結構 240
7.5.3 用戶移動性和位置管理 241
7.5.4 存儲/轉發(fā)實現技術 242
7.6 衛(wèi)星中繼通信中的切換 243
7.7 衛(wèi)星鏈路功率傳輸 246
第8章 6G系統(tǒng)應用和部署設想 249
8.1 概述 250
8.2 行業(yè)典型場景應用設想 251
8.2.1 空天系統(tǒng)應用 255
8.2.2 陸地系統(tǒng)應用 258
8.3 部署研究和設想 268
縮略語 271
參考文獻 279
書單推薦
