産品特色
編輯推薦
1.本書是迄今為止關於5G圖書全麵,經典的一本,本書涵蓋的技術包括:大規模MIMO、機器類通信、毫米波通信、無綫網絡編碼和性能評價。
2.本書作者為5G研究領域的創始人,愛立信全球研究院大師級研究員,同時也是歐盟METIS5G項目總體負責人。
3.本書的寫作團隊成員來自愛立信,諾基亞和高等院校,行業涉及麵廣。
4.本書由領先的專業知名人士闡釋,作為國內第1本深入全麵5G網絡相關技術細節的書籍,有著廣闊的市場空間。
內容簡介
本書概括介紹瞭全球5G的研究工作,並闡述瞭關鍵的組件技術,包括D2D、毫米波通信、大規模MIMO、多點協作、無綫網絡編碼、乾擾管理和頻譜問題。書中強調瞭5G在汽車、建築、能源和製造業經濟領域的重要性,以及它與物聯網、機器類通信(MTC)和網絡物理係統之間的關係。
作者簡介
Afif Osseiran,是愛立信全球研究院大師級研究員,兼歐盟METIS 5G項目總體負責人。他目前擔任職務是愛立信CTO辦公室的無綫電通信總監。他擁有瑞典斯德哥爾摩皇傢理工學院的博士學位。自1999以來,他在愛立信公司擔任過多個職位,曾與人閤作編著瞭兩本有關IMT-Advanced的書,他也是IEEE的高級會員。
Patrick Marsch,是諾基亞無綫電研究部門的負責人,並擔任5G-PPP項目METIS-II的技術經理。他也是EASY-C項目的技術項目協調員,該項目建立瞭世界上第1大的LTE-Advanced研究測試平颱。他與人閤作編著瞭《移動通信多點協作》(Coordinated Multi-Point in Mobile Communications)(劍橋大學齣版社,2011年)一書。
Jose F. Monserrat,是瓦倫西亞理工大學通信係的教授。他是IEEE的高級會員,曾參與歐洲的多個項目,包括NEWCOM、PROSIMOS、WINNER+,METIS和METIS-II。
目錄
1. 概述
1.1 曆史迴顧
1.1.1工業和技術革命:從蒸汽機到互聯網
1.1.2 移動通信的發展:從1G到4G
1.1.3 從移動寬帶到極限移動寬帶
1.1.4 物聯網(IoT)和5G的關係
1.2從ICT産業到社會經濟
1.3 5G基本原理: 海量數據,250億連接設備和廣泛的需求
1.4 全球5G倡議
1.4.1 METIS 和5G-PPP
1.4.2 中國:5G推進組
1.4.3 韓國:5G論壇
1.4.4 日本: ARIB 2020和未來專項
1.4.5 其他5G倡議
1.4.6 物聯網的活動
1.5 標準化活動
1.5.1 ITU-R
1.5.2 3GPP
1.5.3 IEEE
1.6 本書的內容介紹
第二章 5G用例和概念
2.1 用例和需求
2.1.1 用例
2.1.2 要求和重要性能指標
2.2 5G係統概念
2.2.1 概念簡介
2.2.2 極限移動寬帶
2.2.3 海量機器通信
2.2.4 超可靠機器類通信
2.2.5 動態無綫接入網絡
2.2.6 極簡係統控製麵
2.2.7 局部內容和數據流
2.2.8 頻譜工具箱
2.3 總結
第三章 5G架構
3.1 介紹
3.1.1 NFV和SDN
3.1.2 RAN架構基礎
3.2 5G架構的高級要求
3.3 功能架構和5G靈活性
3.3.1 功能分拆準則
3.3.2 功能分拆選項
3.3.3 特定應用的功能優化
3.3.4 集成LTE和新的空中接口來滿足5G需求
3.3.5 多RAT協作功能
3.4 物理架構和5G部署
3.4.1 部署賦能工具
3.4.2 5G靈活的功能分布
3.5 總結
第四章 機器類通信
4.1 介紹
4.1.1 用例和MTC分類
4.1.2 MTC需求
4.2 MTC基礎技術
4.2.1 短包的數據和控製
4.2.2 非正交接入協議
4.3 海量MTC
4.3.1 設計原理
4.3.2 技術元素
4.4 超可靠低時延MTC
4.4.1 設計原則
4.4.2 技術元素
4.4.3 uMTC功能總結
4.5 結論
第五章 終端到終端通信
5.1 D2D:從4G 到 5G
5.1.1 D2D標準: 4G LTE D2D
5.1.2 5G中的D2D: 研究活動的挑戰
5.2 移動寬帶D2D無綫資源管理
5.2.1 移動寬帶D2D RRM技術
5.2.2 D2D的RRM和係統設計
5.2.3 5G D2D RRM概念舉例
5.3 臨近通信和緊急服務多跳D2D通信
5.3.1 3GPP和METIS中國傢安全和公共安全要求
5.3.2 網絡輔助或者無網絡輔助的終端搜索
5.3.3 網絡輔助多跳D2D通信
5.3.4 多跳D2D 無綫資源管理
5.3.5 臨近D2D通信性能
5.4 多運營商D2D通信
5.4.1 多運營商D2D搜索
5.4.2 多運營商D2D模式選擇
5.4.3 跨運營商D2D頻譜分配
5.5 結論
6 毫米波通信
6.1頻譜與法規
6.2信道傳播
6.3毫米波係統的硬件技術
6.3.1設備技術
6.3.2天綫
6.3.3 波束賦形架構
6.4部署場景
6.5 架構和移動性
6.5.1 雙連接
6.5.2移動性
6.6 波束賦形
6.6.1 波束賦形技術
6.6.2波束發現
6.7物理層技術
6.7.1雙工方式
6.7.2傳輸方案
6.8結論
7 5G無綫接入技術
7.1 多用戶通信的接入設計原則
7.1.1正交多址係統
7.1.2擴頻多址係統
7.1.3多址方法的容量限製
7.2濾波的多載波:一個新的波形
7.2.1基於濾波器組的多載波
7.2.2通用濾波OFDM
7.3用於高效多址的非正交方案
7.3.1非正交多址(NOMA)
7.3.2稀疏碼多址(SCMA)
7.3.3交織分多址(IDMA)
7.4密集部署的無綫接入
7.4.1小區部署的OFDM數字參數
7.4.2小小區子幀結構
7.5 V2X通信的無綫接入
7.6用於大規模機器類型通信的無綫接入
7.6.1大規模接入的問題
7.6.2 擴展接入預留
7.6.3直接隨機接入
7.7結論
8 大規模多輸入多輸齣(MIMO)係統
8.1介紹
8.2理論背景
8.2.1 單用戶MIMO
8.2.2多用戶MIMO
8.2.3大規模MIMO的容量:摘要
8.3大規模MIMO的導頻設計
8.3.1導頻數據之間的權衡和CSI的影響
8.3.2減少導頻汙染的技術
8.4大規模MIMO的資源分配和收發機算法
8.4.1用於大規模MIMO的分布式協調收發機設計
8.4.2乾擾分簇和用戶分組
8.5大規模MIMO中基帶和射頻實現的基本原理
8.5.1大規模MIMO實現的基本形式
8.5.2基於CSI的預編碼的混閤固定波束成形(FBCP)
8.5.3用於乾擾分簇和用戶分組的混閤波束成形
8.6信道模型
8.7 結論
9 5G中的協調多點傳輸
9.1 介紹
9.2 JT CoMP使能器
9.2.1信道預測
9.2.2簇和乾擾基底成形
9.2.3用戶調度和預編碼
9.2.4乾擾減緩框架
9.2.5 5G中的JT CoMP
9.3 JT CoMP與超密度網絡的結閤
9.4分布式協作傳輸
9.4.1具有本地CSI的分散的預編碼 濾波設計
9.4.2乾擾對齊
9.5帶高級接收機的JT CoMP
9.5.1具有多個天綫UE的JT CoMP的動態分簇
9.5.2網絡輔助乾擾消除
9.6結論
10 中繼與無綫網絡編碼
10.1 中繼技術和網絡編碼技術在5G無綫網絡中的角色
10.1.1 中繼的復興
10.1.2 從4G到5G
10.1.3 5G中的新型中繼技術
10.1.4 5G中的關鍵應用
10.2 多流無綫迴傳
10.2.1 直傳與中繼的協同傳輸模式(CDR)
10.2.2四嚮中繼(FWR)
10.2.3 無綫模擬有綫(WEW)迴傳
10.3 高度靈活的多流中繼
10.3.1 多流中繼的基本思想
10.3.2 實現5G高吞吐量
10.3.3 性能評估
10.4 緩存輔助的中繼
10.4.1 為何緩存
10.4.2 中繼選擇
10.4.3 中繼間乾擾的處理
10.4.4 擴展
10.5 小結
11 乾擾管理,移動性管理和動態重配
11.1 網絡部署類型
11.1.1 超密集網絡或網絡密集化
11.1.2 移動網絡(MNs)
11.1.3 異構網絡
11.2 5G中的乾擾管理
11.2.1 UDN中的乾擾管理
11.2.2 移動中繼節點的乾擾管理
11.2.3 乾擾消除
11.3 5G中的移動性管理
11.3.1 UE控製與網絡控製的切換
11.3.2 異構5G網絡中的移動性管理
11.3.3 移動性管理中的內容可感知
11.4 5G中的動態網絡重配
11.4.1 控製麵 用戶麵的分離帶來的節能
11.4.2 基於移動基站網絡的靈活部署
11.5 小結
12 頻譜
12.1 介紹
12.1.1 4G頻譜
12.1.2 5G的頻譜挑戰
12.2 5G 頻譜格局和要求
12.3 頻譜接入模式和共享場景
12.4 5G 頻譜技術
12.4.1 頻譜工具箱
12.4.2 主要技術組件
12.5 5G的頻譜價值:從技術-經濟學的角度分析
12.6 總結
第13章 5G無綫傳播信道模型
13.1 簡介
13.2 建模需求與場景
13.2.1 信道建模需求
13.2.2 傳播場景
13.3 METIS信道模型
13.3.1 基於地圖的模型
13.3.2 隨機過程模型
13.4 小結
14 仿真方法
14.1評估方法
14.1.1 性能指標
14.1.2 信道簡化
14.2 校準
14.2.1 鏈路級校準
14.2.2 係統級校準
14.3 5G建模的新挑戰
14.3.1 真實場景
14.3.2 新波形
14.3.3 大規模MIMO
14.3.4 較高頻段
14.3.5 終端到終端鏈路
14.3.6 移動網絡
14.4 結語
縮略語
參考文獻
《星河啓航:人工智能在宇宙探索中的前沿應用》 序言 自古以來,人類便仰望星空,渴望揭開宇宙的奧秘。從伽利略的望遠鏡到哈勃空間望遠鏡,再到探測器在火星和太陽係邊緣的足跡,我們對宇宙的認知不斷拓展。然而,浩瀚的宇宙依然充滿瞭未知,傳統的探索方法在麵對海量數據、復雜環境和遠距離通信時,逐漸顯露齣其局限性。正是在這樣的背景下,人工智能(AI)以前所未有的力量,開啓瞭宇宙探索的新紀元。 《星河啓航》並非一本淺嘗輒止的科普讀物,它深入剖析瞭人工智能如何在宇宙探索的各個關鍵環節中發揮著革命性的作用。從信號的微弱捕捉到深空目標的精準識彆,從星際航行的智能規劃到未知天體的科學判斷,AI正以前所未有的深度和廣度,重塑著我們與宇宙對話的方式。本書旨在為對宇宙探索和人工智能交叉領域感興趣的讀者,提供一個全麵、深入且富有洞察力的視角。 第一章:AI賦能的“韆裏眼”——天文學觀測的新維度 太空望遠鏡是人類探索宇宙的眼睛,而AI則讓這雙眼睛變得更加銳利和智能。傳統的望遠鏡收集到海量數據,其中充斥著噪聲、乾擾和不確定性。AI算法,特彆是深度學習,在圖像識彆和模式識彆方麵展現齣驚人的能力。 海量數據的智能篩選與分析: 射電望遠鏡、光學望遠鏡、X射綫望遠鏡等産生的原始數據量是天文數字。AI可以快速有效地從這些數據中識彆齣有價值的信號,例如微弱的引力波信號、遙遠星係的特定光譜特徵、或是潛在的外星生命信號。以往需要數月甚至數年的人工分析,現在AI可以在數小時內完成,極大地加速瞭科學發現的進程。 星係分類與演化研究: AI模型能夠基於圖像特徵,如形狀、顔色、紋理等,自動對數百萬個星係進行分類,識彆齣不同的星係類型,如鏇渦星係、橢圓星係、不規則星係等。這為天文學傢研究星係的形成、演化以及宇宙結構的形成提供瞭前所未有的龐大數據集和分析工具。 瞬變天體的實時監測與預警: 超新星爆發、伽馬射綫暴等宇宙瞬變事件具有短暫且難以預測的特點。AI能夠實時監測望遠鏡數據流,一旦檢測到異常信號,便能立即發齣警報,通知科學傢進行後續觀測。這種實時響應能力對於捕捉這些珍貴的宇宙瞬間至關重要。 地外生命搜尋的新工具: AI在分析係外行星大氣光譜數據時,可以識彆齣潛在的生物標誌物,如氧氣、甲烷等。通過訓練AI模型識彆不同天體大氣成分的細微差彆,我們有望更有效地搜尋可能存在生命的類地行星。 第二章:AI引領的“智慧觸角”——深空探測的自主性革命 深空探測器是人類探索遙遠星球的使者,但它們的旅程漫長且充滿未知。通信延遲、自主決策能力不足,曾是製約深空探測的瓶頸。AI的引入,正在賦予探測器前所未有的“智慧”。 自主導航與避障: 在未知的行星錶麵進行探測,地形復雜且充滿危險。AI能夠實時分析探測器傳感器(如相機、激光雷達)獲取的地形信息,自主規劃最優路徑,避開障礙物,避免觸礁或跌落。這大大減少瞭對地麵控製的依賴,提高瞭探測效率和安全性。 智能目標選擇與科學采樣: 探測器攜帶瞭豐富的科學儀器,如何選擇最有科學價值的采樣點是關鍵。AI可以分析地質、化學等數據,自主判斷哪些區域可能蘊藏著重要的科學信息,例如水冰、有機物或地質活動的痕跡,從而優化采樣策略。 故障診斷與自愈能力: 深空探測器一旦發生故障,修復極其睏難。AI可以通過監測探測器內部的各項參數,實時診斷潛在的故障,並嘗試進行自主修復或調整,以維持任務的正常運行。 智能通信管理: 在信號微弱且通信延遲極高的深空中,AI可以優化數據傳輸策略,智能壓縮和打包數據,優先傳輸關鍵信息,最大限度地利用有限的通信帶寬。 第三章:AI驅動的“宇宙大腦”——數據融閤與模擬的突破 宇宙探索産生瞭海量、多源、異構的數據。如何有效地融閤這些數據,理解復雜的宇宙現象,是天文學傢麵臨的巨大挑戰。AI在此扮演著“宇宙大腦”的角色,能夠將零散的信息整閤成連貫的知識。 多模態數據融閤: 不同類型的望遠鏡和探測器獲取的數據具有不同的特性。AI可以學習如何將光學、紅外、X射綫、射電、引力波等多種觀測數據進行融閤,構建更全麵、更精細的天體模型,例如黑洞的吸積盤、星係的形成過程等。 宇宙模擬的加速與優化: 宇宙演化模擬是理解宇宙形成和演化的重要手段。AI可以學習現有模擬的結果,加速新的模擬過程,或者根據觀測數據,實時調整模擬參數,使模擬結果更接近真實宇宙。 未知現象的模式發現: AI擅長在看似雜亂的數據中發現隱藏的模式和關聯。通過分析大規模的觀測數據,AI可以幫助科學傢識彆齣目前尚未理解的宇宙現象,例如新的粒子物理學現象、暗物質和暗能量的分布特徵等。 知識圖譜構建與推理: AI可以從大量的科學文獻、觀測報告和模擬結果中提取知識,構建宇宙科學的知識圖譜。通過對知識圖譜進行推理,AI可以幫助科學傢發現新的科學假設,指導未來的研究方嚮。 第四章:AI塑造的“星際領航員”——高效載人航天與地外定居的未來 雖然本書主要聚焦於無人探測,但AI對載人航天和未來地外定居的影響同樣深遠,並且與無人探測息息相關。 智能輔助駕駛與任務規劃: 在未來的載人航天任務中,AI將成為宇航員的得力助手,輔助駕駛,優化任務流程,處理突發情況。 地外環境適應與資源利用: AI可以分析地外星球的環境數據,為未來的地外基地選址提供科學依據,並幫助設計能夠適應極端環境的生存係統,甚至規劃如何在當地提取和利用資源。 生命支持係統的智能優化: 在長期太空任務中,生命支持係統的穩定運行至關重要。AI可以監測和優化空氣、水、食物等資源的循環利用,確保宇航員的健康與安全。 結論:AI驅動的宇宙探索新篇章 《星河啓航》並非宣揚AI將取代人類在宇宙探索中的作用,而是強調AI作為一種強大的工具,正在極大地增強人類探索宇宙的能力。AI的引入,使得我們能夠以前所未有的效率和深度,解析宇宙的語言,洞察宇宙的奧秘,甚至挑戰人類的生存邊界。 本書的每一章節都充滿瞭具體的案例和前沿的探索方嚮,我們力求用最直觀的方式,展現AI如何從數據處理、目標識彆、自主決策到知識整閤,全方位地革新著宇宙探索的範式。從地平綫上的微弱信號,到遙遠星係的壯麗圖景,AI正在成為我們探索未知、理解宇宙的“智慧之眼”和“靈巧之手”。 未來,隨著AI技術的不斷進步,以及更強大的計算能力和更精密的傳感器加入,我們有理由相信,AI將在宇宙探索中扮演愈發重要的角色。從搜尋地外生命,到理解宇宙的終極命運,AI將與人類智慧協同,共同書寫星際文明的新篇章。 《星河啓航》邀請您一同踏上這場由AI驅動的宇宙探索之旅,感受智能科技與星辰大海的碰撞,見證人類認識宇宙的每一次飛躍。