产品特色
编辑推荐
1.本书是迄今为止关于5G图书全面,经典的一本,本书涵盖的技术包括:大规模MIMO、机器类通信、毫米波通信、无线网络编码和性能评价。
2.本书作者为5G研究领域的创始人,爱立信全球研究院大师级研究员,同时也是欧盟METIS5G项目总体负责人。
3.本书的写作团队成员来自爱立信,诺基亚和高等院校,行业涉及面广。
4.本书由领先的专业知名人士阐释,作为国内第1本深入全面5G网络相关技术细节的书籍,有着广阔的市场空间。
内容简介
本书概括介绍了全球5G的研究工作,并阐述了关键的组件技术,包括D2D、毫米波通信、大规模MIMO、多点协作、无线网络编码、干扰管理和频谱问题。书中强调了5G在汽车、建筑、能源和制造业经济领域的重要性,以及它与物联网、机器类通信(MTC)和网络物理系统之间的关系。
作者简介
Afif Osseiran,是爱立信全球研究院大师级研究员,兼欧盟METIS 5G项目总体负责人。他目前担任职务是爱立信CTO办公室的无线电通信总监。他拥有瑞典斯德哥尔摩皇家理工学院的博士学位。自1999以来,他在爱立信公司担任过多个职位,曾与人合作编著了两本有关IMT-Advanced的书,他也是IEEE的高级会员。
Patrick Marsch,是诺基亚无线电研究部门的负责人,并担任5G-PPP项目METIS-II的技术经理。他也是EASY-C项目的技术项目协调员,该项目建立了世界上第1大的LTE-Advanced研究测试平台。他与人合作编著了《移动通信多点协作》(Coordinated Multi-Point in Mobile Communications)(剑桥大学出版社,2011年)一书。
Jose F. Monserrat,是瓦伦西亚理工大学通信系的教授。他是IEEE的高级会员,曾参与欧洲的多个项目,包括NEWCOM、PROSIMOS、WINNER+,METIS和METIS-II。
目录
1. 概述
1.1 历史回顾
1.1.1工业和技术革命:从蒸汽机到互联网
1.1.2 移动通信的发展:从1G到4G
1.1.3 从移动宽带到极限移动宽带
1.1.4 物联网(IoT)和5G的关系
1.2从ICT产业到社会经济
1.3 5G基本原理: 海量数据,250亿连接设备和广泛的需求
1.4 全球5G倡议
1.4.1 METIS 和5G-PPP
1.4.2 中国:5G推进组
1.4.3 韩国:5G论坛
1.4.4 日本: ARIB 2020和未来专项
1.4.5 其他5G倡议
1.4.6 物联网的活动
1.5 标准化活动
1.5.1 ITU-R
1.5.2 3GPP
1.5.3 IEEE
1.6 本书的内容介绍
第二章 5G用例和概念
2.1 用例和需求
2.1.1 用例
2.1.2 要求和重要性能指标
2.2 5G系统概念
2.2.1 概念简介
2.2.2 极限移动宽带
2.2.3 海量机器通信
2.2.4 超可靠机器类通信
2.2.5 动态无线接入网络
2.2.6 极简系统控制面
2.2.7 局部内容和数据流
2.2.8 频谱工具箱
2.3 总结
第三章 5G架构
3.1 介绍
3.1.1 NFV和SDN
3.1.2 RAN架构基础
3.2 5G架构的高级要求
3.3 功能架构和5G灵活性
3.3.1 功能分拆准则
3.3.2 功能分拆选项
3.3.3 特定应用的功能优化
3.3.4 集成LTE和新的空中接口来满足5G需求
3.3.5 多RAT协作功能
3.4 物理架构和5G部署
3.4.1 部署赋能工具
3.4.2 5G灵活的功能分布
3.5 总结
第四章 机器类通信
4.1 介绍
4.1.1 用例和MTC分类
4.1.2 MTC需求
4.2 MTC基础技术
4.2.1 短包的数据和控制
4.2.2 非正交接入协议
4.3 海量MTC
4.3.1 设计原理
4.3.2 技术元素
4.4 超可靠低时延MTC
4.4.1 设计原则
4.4.2 技术元素
4.4.3 uMTC功能总结
4.5 结论
第五章 终端到终端通信
5.1 D2D:从4G 到 5G
5.1.1 D2D标准: 4G LTE D2D
5.1.2 5G中的D2D: 研究活动的挑战
5.2 移动宽带D2D无线资源管理
5.2.1 移动宽带D2D RRM技术
5.2.2 D2D的RRM和系统设计
5.2.3 5G D2D RRM概念举例
5.3 临近通信和紧急服务多跳D2D通信
5.3.1 3GPP和METIS中国家安全和公共安全要求
5.3.2 网络辅助或者无网络辅助的终端搜索
5.3.3 网络辅助多跳D2D通信
5.3.4 多跳D2D 无线资源管理
5.3.5 临近D2D通信性能
5.4 多运营商D2D通信
5.4.1 多运营商D2D搜索
5.4.2 多运营商D2D模式选择
5.4.3 跨运营商D2D频谱分配
5.5 结论
6 毫米波通信
6.1频谱与法规
6.2信道传播
6.3毫米波系统的硬件技术
6.3.1设备技术
6.3.2天线
6.3.3 波束赋形架构
6.4部署场景
6.5 架构和移动性
6.5.1 双连接
6.5.2移动性
6.6 波束赋形
6.6.1 波束赋形技术
6.6.2波束发现
6.7物理层技术
6.7.1双工方式
6.7.2传输方案
6.8结论
7 5G无线接入技术
7.1 多用户通信的接入设计原则
7.1.1正交多址系统
7.1.2扩频多址系统
7.1.3多址方法的容量限制
7.2滤波的多载波:一个新的波形
7.2.1基于滤波器组的多载波
7.2.2通用滤波OFDM
7.3用于高效多址的非正交方案
7.3.1非正交多址(NOMA)
7.3.2稀疏码多址(SCMA)
7.3.3交织分多址(IDMA)
7.4密集部署的无线接入
7.4.1小区部署的OFDM数字参数
7.4.2小小区子帧结构
7.5 V2X通信的无线接入
7.6用于大规模机器类型通信的无线接入
7.6.1大规模接入的问题
7.6.2 扩展接入预留
7.6.3直接随机接入
7.7结论
8 大规模多输入多输出(MIMO)系统
8.1介绍
8.2理论背景
8.2.1 单用户MIMO
8.2.2多用户MIMO
8.2.3大规模MIMO的容量:摘要
8.3大规模MIMO的导频设计
8.3.1导频数据之间的权衡和CSI的影响
8.3.2减少导频污染的技术
8.4大规模MIMO的资源分配和收发机算法
8.4.1用于大规模MIMO的分布式协调收发机设计
8.4.2干扰分簇和用户分组
8.5大规模MIMO中基带和射频实现的基本原理
8.5.1大规模MIMO实现的基本形式
8.5.2基于CSI的预编码的混合固定波束成形(FBCP)
8.5.3用于干扰分簇和用户分组的混合波束成形
8.6信道模型
8.7 结论
9 5G中的协调多点传输
9.1 介绍
9.2 JT CoMP使能器
9.2.1信道预测
9.2.2簇和干扰基底成形
9.2.3用户调度和预编码
9.2.4干扰减缓框架
9.2.5 5G中的JT CoMP
9.3 JT CoMP与超密度网络的结合
9.4分布式协作传输
9.4.1具有本地CSI的分散的预编码 滤波设计
9.4.2干扰对齐
9.5带高级接收机的JT CoMP
9.5.1具有多个天线UE的JT CoMP的动态分簇
9.5.2网络辅助干扰消除
9.6结论
10 中继与无线网络编码
10.1 中继技术和网络编码技术在5G无线网络中的角色
10.1.1 中继的复兴
10.1.2 从4G到5G
10.1.3 5G中的新型中继技术
10.1.4 5G中的关键应用
10.2 多流无线回传
10.2.1 直传与中继的协同传输模式(CDR)
10.2.2四向中继(FWR)
10.2.3 无线模拟有线(WEW)回传
10.3 高度灵活的多流中继
10.3.1 多流中继的基本思想
10.3.2 实现5G高吞吐量
10.3.3 性能评估
10.4 缓存辅助的中继
10.4.1 为何缓存
10.4.2 中继选择
10.4.3 中继间干扰的处理
10.4.4 扩展
10.5 小结
11 干扰管理,移动性管理和动态重配
11.1 网络部署类型
11.1.1 超密集网络或网络密集化
11.1.2 移动网络(MNs)
11.1.3 异构网络
11.2 5G中的干扰管理
11.2.1 UDN中的干扰管理
11.2.2 移动中继节点的干扰管理
11.2.3 干扰消除
11.3 5G中的移动性管理
11.3.1 UE控制与网络控制的切换
11.3.2 异构5G网络中的移动性管理
11.3.3 移动性管理中的内容可感知
11.4 5G中的动态网络重配
11.4.1 控制面 用户面的分离带来的节能
11.4.2 基于移动基站网络的灵活部署
11.5 小结
12 频谱
12.1 介绍
12.1.1 4G频谱
12.1.2 5G的频谱挑战
12.2 5G 频谱格局和要求
12.3 频谱接入模式和共享场景
12.4 5G 频谱技术
12.4.1 频谱工具箱
12.4.2 主要技术组件
12.5 5G的频谱价值:从技术-经济学的角度分析
12.6 总结
第13章 5G无线传播信道模型
13.1 简介
13.2 建模需求与场景
13.2.1 信道建模需求
13.2.2 传播场景
13.3 METIS信道模型
13.3.1 基于地图的模型
13.3.2 随机过程模型
13.4 小结
14 仿真方法
14.1评估方法
14.1.1 性能指标
14.1.2 信道简化
14.2 校准
14.2.1 链路级校准
14.2.2 系统级校准
14.3 5G建模的新挑战
14.3.1 真实场景
14.3.2 新波形
14.3.3 大规模MIMO
14.3.4 较高频段
14.3.5 终端到终端链路
14.3.6 移动网络
14.4 结语
缩略语
参考文献
《星河启航:人工智能在宇宙探索中的前沿应用》 序言 自古以来,人类便仰望星空,渴望揭开宇宙的奥秘。从伽利略的望远镜到哈勃空间望远镜,再到探测器在火星和太阳系边缘的足迹,我们对宇宙的认知不断拓展。然而,浩瀚的宇宙依然充满了未知,传统的探索方法在面对海量数据、复杂环境和远距离通信时,逐渐显露出其局限性。正是在这样的背景下,人工智能(AI)以前所未有的力量,开启了宇宙探索的新纪元。 《星河启航》并非一本浅尝辄止的科普读物,它深入剖析了人工智能如何在宇宙探索的各个关键环节中发挥着革命性的作用。从信号的微弱捕捉到深空目标的精准识别,从星际航行的智能规划到未知天体的科学判断,AI正以前所未有的深度和广度,重塑着我们与宇宙对话的方式。本书旨在为对宇宙探索和人工智能交叉领域感兴趣的读者,提供一个全面、深入且富有洞察力的视角。 第一章:AI赋能的“千里眼”——天文学观测的新维度 太空望远镜是人类探索宇宙的眼睛,而AI则让这双眼睛变得更加锐利和智能。传统的望远镜收集到海量数据,其中充斥着噪声、干扰和不确定性。AI算法,特别是深度学习,在图像识别和模式识别方面展现出惊人的能力。 海量数据的智能筛选与分析: 射电望远镜、光学望远镜、X射线望远镜等产生的原始数据量是天文数字。AI可以快速有效地从这些数据中识别出有价值的信号,例如微弱的引力波信号、遥远星系的特定光谱特征、或是潜在的外星生命信号。以往需要数月甚至数年的人工分析,现在AI可以在数小时内完成,极大地加速了科学发现的进程。 星系分类与演化研究: AI模型能够基于图像特征,如形状、颜色、纹理等,自动对数百万个星系进行分类,识别出不同的星系类型,如旋涡星系、椭圆星系、不规则星系等。这为天文学家研究星系的形成、演化以及宇宙结构的形成提供了前所未有的庞大数据集和分析工具。 瞬变天体的实时监测与预警: 超新星爆发、伽马射线暴等宇宙瞬变事件具有短暂且难以预测的特点。AI能够实时监测望远镜数据流,一旦检测到异常信号,便能立即发出警报,通知科学家进行后续观测。这种实时响应能力对于捕捉这些珍贵的宇宙瞬间至关重要。 地外生命搜寻的新工具: AI在分析系外行星大气光谱数据时,可以识别出潜在的生物标志物,如氧气、甲烷等。通过训练AI模型识别不同天体大气成分的细微差别,我们有望更有效地搜寻可能存在生命的类地行星。 第二章:AI引领的“智慧触角”——深空探测的自主性革命 深空探测器是人类探索遥远星球的使者,但它们的旅程漫长且充满未知。通信延迟、自主决策能力不足,曾是制约深空探测的瓶颈。AI的引入,正在赋予探测器前所未有的“智慧”。 自主导航与避障: 在未知的行星表面进行探测,地形复杂且充满危险。AI能够实时分析探测器传感器(如相机、激光雷达)获取的地形信息,自主规划最优路径,避开障碍物,避免触礁或跌落。这大大减少了对地面控制的依赖,提高了探测效率和安全性。 智能目标选择与科学采样: 探测器携带了丰富的科学仪器,如何选择最有科学价值的采样点是关键。AI可以分析地质、化学等数据,自主判断哪些区域可能蕴藏着重要的科学信息,例如水冰、有机物或地质活动的痕迹,从而优化采样策略。 故障诊断与自愈能力: 深空探测器一旦发生故障,修复极其困难。AI可以通过监测探测器内部的各项参数,实时诊断潜在的故障,并尝试进行自主修复或调整,以维持任务的正常运行。 智能通信管理: 在信号微弱且通信延迟极高的深空中,AI可以优化数据传输策略,智能压缩和打包数据,优先传输关键信息,最大限度地利用有限的通信带宽。 第三章:AI驱动的“宇宙大脑”——数据融合与模拟的突破 宇宙探索产生了海量、多源、异构的数据。如何有效地融合这些数据,理解复杂的宇宙现象,是天文学家面临的巨大挑战。AI在此扮演着“宇宙大脑”的角色,能够将零散的信息整合成连贯的知识。 多模态数据融合: 不同类型的望远镜和探测器获取的数据具有不同的特性。AI可以学习如何将光学、红外、X射线、射电、引力波等多种观测数据进行融合,构建更全面、更精细的天体模型,例如黑洞的吸积盘、星系的形成过程等。 宇宙模拟的加速与优化: 宇宙演化模拟是理解宇宙形成和演化的重要手段。AI可以学习现有模拟的结果,加速新的模拟过程,或者根据观测数据,实时调整模拟参数,使模拟结果更接近真实宇宙。 未知现象的模式发现: AI擅长在看似杂乱的数据中发现隐藏的模式和关联。通过分析大规模的观测数据,AI可以帮助科学家识别出目前尚未理解的宇宙现象,例如新的粒子物理学现象、暗物质和暗能量的分布特征等。 知识图谱构建与推理: AI可以从大量的科学文献、观测报告和模拟结果中提取知识,构建宇宙科学的知识图谱。通过对知识图谱进行推理,AI可以帮助科学家发现新的科学假设,指导未来的研究方向。 第四章:AI塑造的“星际领航员”——高效载人航天与地外定居的未来 虽然本书主要聚焦于无人探测,但AI对载人航天和未来地外定居的影响同样深远,并且与无人探测息息相关。 智能辅助驾驶与任务规划: 在未来的载人航天任务中,AI将成为宇航员的得力助手,辅助驾驶,优化任务流程,处理突发情况。 地外环境适应与资源利用: AI可以分析地外星球的环境数据,为未来的地外基地选址提供科学依据,并帮助设计能够适应极端环境的生存系统,甚至规划如何在当地提取和利用资源。 生命支持系统的智能优化: 在长期太空任务中,生命支持系统的稳定运行至关重要。AI可以监测和优化空气、水、食物等资源的循环利用,确保宇航员的健康与安全。 结论:AI驱动的宇宙探索新篇章 《星河启航》并非宣扬AI将取代人类在宇宙探索中的作用,而是强调AI作为一种强大的工具,正在极大地增强人类探索宇宙的能力。AI的引入,使得我们能够以前所未有的效率和深度,解析宇宙的语言,洞察宇宙的奥秘,甚至挑战人类的生存边界。 本书的每一章节都充满了具体的案例和前沿的探索方向,我们力求用最直观的方式,展现AI如何从数据处理、目标识别、自主决策到知识整合,全方位地革新着宇宙探索的范式。从地平线上的微弱信号,到遥远星系的壮丽图景,AI正在成为我们探索未知、理解宇宙的“智慧之眼”和“灵巧之手”。 未来,随着AI技术的不断进步,以及更强大的计算能力和更精密的传感器加入,我们有理由相信,AI将在宇宙探索中扮演愈发重要的角色。从搜寻地外生命,到理解宇宙的终极命运,AI将与人类智慧协同,共同书写星际文明的新篇章。 《星河启航》邀请您一同踏上这场由AI驱动的宇宙探索之旅,感受智能科技与星辰大海的碰撞,见证人类认识宇宙的每一次飞跃。