6G 無線傳輸技術
牛凱 戴金晟
- 出版商: 人民郵電
- 出版日期: 2023-01-01
- 售價: $1,199
- 貴賓價: 9.5 折 $1,139
- 語言: 簡體中文
- 頁數: 344
- ISBN: 7115599955
- ISBN-13: 9787115599957
-
相關分類:
DeepLearning
立即出貨
買這商品的人也買了...
-
$980$960 -
$1,250$1,225 -
$1,205Data Communications and Networking, 5/e (IE-Paperback)
-
$352機器視覺算法與應用 (雙語版)
-
$834$792 -
$356$335 -
$500$450 -
$450$356 -
$7606G無線通信新征程:跨越人聯、物聯,邁向萬物智聯
-
$8156G技術發展及演進
-
$9176G 需求與願景
-
$1,2746G 移動通信系統 : 理論與技術
-
$755$710 -
$354$336 -
$5056G之美:新一代無線通信技術演進
-
$1,911Wireless Communications: From Fundamentals to Beyond 5G, 3/e (Paperback)
-
$7606G 潛在關鍵技術 (下冊)
-
$5096G:面向 2030年的移動通信
-
$250通信簡史:從信鴿到6G+
-
$3526G多天線與智能超錶面技術
-
$505認識6G:無線智能感知萬物
-
$1,199$1,139 -
$556大規模語言模型:從理論到實踐
-
$534$507 -
$880$695
相關主題
商品描述
本書面向以“人-機-物-靈”融合為特徵的6G願景,對6G無線傳輸技術進行前瞻性總結與預測。首 先,概述6G的應用場景與技術指標,對無線傳輸技術的發展進行展望。然後,面向低時延高可靠需求,探討了先進通道編碼技術的基本原理;面向大容量接入需求,探討了6G中的非正交多址技術、巨址接入技術、新型多載波技術以及波形信號設計;針對高頻譜效率傳輸需求,闡述了大規模MIMO、智能錶面等新型技術。進一步,從6G系統整體優化出發,介紹了基於廣義極化變換的新型信號處理方法。最 後,介紹了6G智能信號處理技術,詳細討論了深度學習在無線信號處理中的應用,並簡要介紹了語義通信的理論框架與實現案例。
本書適合希望瞭解6G無線傳輸技術的人士閱讀,不僅可作為移動通信技術研究、開發和維護人員的專業參考書,也可以作為大專院校高年級本科生、碩士生與博士生的教材或參考資料。同時,對未來移動通信感興趣的人員,本書內容也具有閱讀和參考價值。
作者簡介
牛凯
教授,博士生导师,现在北京邮电大学人工智能学院任教。主要研究方向为:信息论与极化码、5G/6G移动通信、智能信号处理。现为北京邮电大学“泛网无线通信”教 育部重点实验室副主任,中国电子学会与中国通信学会高 级会员,信息论分会副主任委员。担任IEEE Communications Letters与China Communications期刊编辑。先后主持多项国家自然科学基金重点与面上项目、国家重点研发项目、863项目。所提极化码高性能编译码算法成为5G标准主流方案,荣获中国电子学会科技奖自然科学一等奖。作为主要编著者,撰写普通高等教育“十五”、“十一五”国 家级规划教材《移动通信原理》,荣获2010年全 国电子信息类优 秀教材评选一等奖。
戴金晟
副研究员,博士生导师,现在北京邮电大学任教。主要研究方向为:语义通信、信源信道编码、无线通信人工智能。先后主持国家自然科学基金、北京市自然科学基金等多个科研项目。近年来以第 一作者或通信作者身份在 IEEE JSAC/JSTSP/TSP等国际权 威期刊及IEEE ISIT等国际旗舰会议上发表论文三十余篇,申请国家发明专利二十余项。曾获得中国电子学会科技奖自然科学一等奖、中国电子教育学会优 秀博士论文奖、北京邮电大学优 秀博士论文奖、中国电子学会信息论学术年会最 佳论文奖等学术与科技奖励。
目錄大綱
第 1章 緒論 001
1.1 6G應用場景分析 002
1.2 無線傳輸技術展望 005
1.3 本章小結 005
參考文獻 005
第 2章 先進通道編碼 007
2.1 概述 008
2.2 LDPC碼原理 009
2.2.1 基本概念 009
2.2.2 置信傳播解碼算法 012
2.2.3 密度進化與高斯近似算法 018
2.2.4 LDPC碼差錯性能 025
2.2.5 LDPC碼構造 027
2.2.6 LDPC碼設計準則 032
2.3 極化碼 033
2.3.1 通道極化 033
2.3.2 極化編碼 036
2.3.3 極化碼構造 039
2.3.4 基本解碼算法 040
2.3.5 增強解碼算法 042
2.3.6 極化碼差錯性能 044
2.4 逼近有限碼長容量限的極化碼 048
2.4.1 有限碼長容量限 049
2.4.2 高性能CRC-Polar級聯碼構造 049
2.4.3 CA-HD算法 050
2.5 本章小結 054
參考文獻 054
第3章 非正交多址 059
3.1 NOMA概述 060
3.1.1 NOMA介紹 060
3.1.2 NOMA技術分類 065
3.2 SCMA 080
3.2.1 SCMA的基本結構 080
3.2.2 SCMA碼本設計建模 083
3.2.3 基於優化互信息的碼本設計 084
3.2.4 降低誤比特率的SCMA設計 086
3.2.5 SCMA性能 088
3.3 PDMA 093
3.3.1 PDMA的基本結構 093
3.3.2 提高吞吐量的PDMA 095
3.3.3 降低BLER的PDMA 097
3.3.4 PDMA性能 104
3.4 MUSA 107
3.4.1 MUSA原理 107
3.4.2 MUSA性能分析 109
3.5 免授權多址接入 112
3.6 本章小結 117
參考文獻 118
第4章 巨址接入技術 123
4.1 概述 124
4.2 巨址接入信息論分析 128
4.2.1 巨址接入的誤差上界 128
4.2.2 基於誤差上界的理論性能分析 131
4.3 基本方案 134
4.3.1 內外碼級聯方案總體結構 134
4.3.2 內外碼級聯方案編碼器設計 135
4.3.3 壓縮感知方案發送端設計 137
4.3.4 壓縮感知方案接收端設計 139
4.3.5 實現方案性能對比 141
4.4 本章小結 142
參考文獻 143
第5章 新型多載波技術 145
5.1 概述 146
5.2 FBMC 147
5.3 UFMC 148
5.4 GFDM 152
5.4.1 基本結構 152
5.4.2 收發端設計 155
5.4.3 模擬性能 157
5.5 性能指標對比 159
5.6 本章小結 160
參考文獻 161
第6章 新型波形信號設計 163
6.1 概述 164
6.2 FTN 165
6.2.1 FTN基本含義 165
6.2.2 時域FTN的容量 168
6.2.3 未編碼FTN及其ITS檢測 169
6.2.4 編碼FTN及其Turbo解碼 170
6.2.5 多載波FTN 172
6.3 OTFS 174
6.3.1 OTFS時延 多普勒域寬帶波形傳輸基本原理 174
6.3.2 OTFS寬帶波形傳輸數字信號處理 178
6.3.3 OTFS信號檢測算法設計 181
6.4 本章小結 186
參考文獻 187
第7章 大規模MIMO 189
7.1 大規模MIMO概述 190
7.2 MIMO系統容量分析 192
7.2.1 Point to Point MIMO系統容量分析 192
7.2.2 MU-MIMO系統容量分析 194
7.2.3 M-MIMO系統容量分析 194
7.2.4 有利傳播和通道硬化分析 197
7.3 集中式MIMO 198
7.3.1 編碼/波束成形技術 198
7.3.2 檢測技術 202
7.3.3 面臨的技術挑戰 206
7.3.4 最新的研究方向 211
7.4 分佈式大規模MIMO 212
7.4.1 分佈式大規模MIMO概述 212
7.4.2 理論分析 217
7.4.3 信號處理技術 225
7.4.4 面臨的技術挑戰 232
7.5 本章小結 244
參考文獻 245
第8章 智能錶面技術 253
8.1 概述 254
8.1.1 智能反射面 255
8.1.2 大型智能錶面 258
8.1.3 智能反射面與傳統中繼的性能對比和差異 261
8.2 智能錶面發送 265
8.2.1 SDR算法 268
8.2.2 DC算法 270
8.2.3 算法總結 272
8.3 信號檢測 274
8.4 本章小結 276
參考文獻 276
第9章 廣義極化信號傳輸 279
9.1 廣義極化變換理論 281
9.1.1 通道極化 281
9.1.2 極化編碼 281
9.1.3 極化信息處理 282
9.2 極化編碼調制 283
9.2.1 比特交織極化編碼調制 284
9.2.2 調制編碼聯合極化 291
9.3 極化編碼MIMO 296
9.3.1 極化編碼MIMO方案架構 296
9.3.2 空間極化特性 298
9.3.3 檢測算法 299
9.3.4 模擬結果與分析 299
9.4 極化編碼NOMA 300
9.4.1 極化編碼NOMA方案架構 301
9.4.2 多用戶極化特性 302
9.4.3 檢測算法 303
9.4.4 模擬結果與分析 304
9.5 本章小結 305
參考文獻 306
第 10章 智能信號處理 309
10.1 深度學習概述 310
10.1.1 機器學習與深度學習的基本概念 310
10.1.2 機器學習與深度學習的分類 311
10.2 基於深度學習的通信架構 312
10.2.1 基於自編碼器的通信架構 313
10.2.2 基於強化學習的通信架構 316
10.2.3 基於條件生成式對抗網絡的通信架構 317
10.3 智能通道估計 319
10.4 深度MIMO信號檢測 323
10.4.1 信號模型 323
10.4.2 DetNet結構 323
10.4.3 檢測性能 326
10.5 語義編碼傳輸 327
10.5.1 語義信息論簡介 327
10.5.2 語義通信系統框架 329
10.5.3 語義通信初步結果 332
10.6 本章小結 336
參考文獻 337
名詞索引 341