从1G到4G时代，移动通信经历了从语音业务到高速宽带业务的飞跃式发展。随着移动互联网和物联网的蓬勃发展，5G时代到来，虚拟现实、增强现实、超高清传输、自动驾驶等新业务不断涌现。为满足新业务对超高速率传输、超大流量密度、千亿级的海量连接等需求，新传输技术包括大规模天线、空间调制、毫米波混合预编码、非正交多址接入等相继成熟，并在学术圈和工业界受到广泛关注。
通信需求的爆炸性增长对移动网络传输数据的能力提出更高要求。为了高效获取并处理海量数据，近年来以压缩感知为代表的稀疏信号处理技术被引入无线通信领域。压缩感知是典型的稀疏信号处理技术，通过挖掘信号的稀疏特性，以远低于奈奎斯特采样率的频率进行采样，精确重构原始信号，从而有效降低系统开销。何谓信号的稀疏性，指的是信号大部分系数幅度的值等于或者接近零。信号的稀疏性在新一代无线通信系统中广泛存在，例如： 毫米波信道具有稀疏性；物联网中同时在线的设备数具有稀疏性；空间调制系统同时激活的天线数具有稀疏性；无线传感网的故障具有稀疏性……这一系列稀疏性的存在为稀疏信号处理在新一代无线通信系统中得以应用提供了前提条件。
本书紧跟通信学科前沿，汇聚了5G，beyond 5G等领域的新无线传输技术，剖析了新一代无线通信诸多场景的稀疏性来源，全面阐述稀疏信号处理在信道估计、空间调制、混合预编码、无线传感网数据融合等方面的应用，勾勒出它在新一代无线通信系统中的应用前景，并扩展介绍了其在卫星网络、水声通信等领域的应用。
国内外有关稀疏信号处理在无线通信中应用的相关书籍偏少。本书聚焦的无线传输技术，向广大读者详细介绍稀疏信号处理在新一代无线通信系统中的应用，以期培养他们利用稀疏信号处理技术高效解决无线通信中各种问题的能力。著者长期从事宽带无线通信、通信信号处理等领域的研究工作，本书内容基于自己多年的研究工作和国内外相关领域的研究成果，旨在推动新无线传输技术的有效部署，推动无线通信的快速发展，以及推动稀疏信号处理在未来天地一体通信上的研究和应用。
本书共分10章。第1章阐述著写此书的目的以及全书的框架；第2章介绍无线通信系统以及大规模天线、毫米波、空间调制等先进无线通信技术；第3章回顾稀疏信号处理理论的发展历程，并重点介绍压缩感知工具；第4章介绍稀疏信号处理在超宽带通信、频谱感知、非正交多址接入等领域中的应用；第5章介绍稀疏信号处理在信道估计中的应用，涉及单天线、大规模天线、毫米波等系统；第6章介绍稀疏信号处理在空间调制中的应用；第7章介绍稀疏信号处理在毫米波混合预编码中的应用；第8章介绍稀疏信号处理在无线传感网中的应用；第9章介绍稀疏信号处理在水声通信以及空间信息网中的应用；第10章探讨稀疏信号处理在实际应用中存在的若干问题。
上海交通大学电子系研究生闻琛、张跃明、涂玉良、祁蒙、王春阳等为本书做了不少整理和校对工作，罗汉文教授和程鹏给予著者诸多建议和帮助。在此，向他们表示衷心的感谢！
希望本书能够给高等院校通信、信号处理、电子等相关专业的本科生、研究生以及稀疏信号处理、无线通信等领域的科研工作者与工程技术人员提供借鉴和帮助。
鉴于著者水平所限，书中难免有不当之处，殷切希望广大读者批评指正。
第1章绪论1
1.1理论基础1
1.2应用前景2
1.3目标3
参考文献3
第2章无线通信系统及关键技术概述5
2.1无线通信系统5
2.1.1蜂窝系统5
2.1.2超宽带系统9
2.1.3无线传感网11
2.2先进无线通信关键技术13
2.2.1Massive MIMO技术14
2.2.2空间调制16
2.2.3非正交多址接入技术17
2.2.4毫米波技术22
2.3小结24
参考文献24
第3章稀疏信号处理理论27
3.1稀疏表示理论27
3.1.1稀疏表示理论的提出28
3.1.2信号稀疏性29
3.1.3字典构造30
3.1.4稀疏分解33
3.2压缩感知理论33
3.2.1压缩感知概述34
3.2.2测量矩阵设计37
3.2.3重构算法设计39
3.3 结构化压缩感知理论44
3.3.1分布式压缩感知45
3.3.2动态压缩感知46
3.3.3张量压缩感知48
3.4小结49
参考文献50
第4章稀疏信号处理典型应用52
4.1 无线通信系统的稀疏性分析52
4.2 低速率模数转换54
4.2.1随机解调系统54
4.2.2调制宽带转换系统56
4.3 频谱感知57
4.3.1频谱感知技术58
4.3.2基于压缩感知的宽带协作频谱感知60
4.4 超宽带系统63
4.4.1超宽带系统的稀疏性分析63
4.4.2基于压缩感知的超宽带系统信道估计64
4.4.3基于压缩感知的超宽带信号检测66
4.5非正交多址接入68
4.5.1非正交多址接入中的稀疏性分析68
4.5.2上行免调度非正交多址接入系统多用户检测69
4.6小结72
参考文献72
第5章稀疏信号处理在信道估计中的应用75
5.1无线信道稀疏性75
5.1.1单表征域稀疏性75
5.1.2多表征域稀疏性77
5.2传统信道估计方法78
5.2.1小二乘法准则79
5.2.2小均方误差准则80
5.3单天线稀疏信道估计81
5.3.1时不变场景81
5.3.2时变场景84
5.4 Massive MIMO稀疏信道估计90
5.4.1多天线联合信道估计91
5.4.2多天线导频优化92
5.5毫米波稀疏信道估计95
5.5.1毫米波系统模型95
5.5.2毫米波波束训练96
5.5.3基于压缩感知的毫米波信道估计100
5.6小结103
参考文献103
第6章稀疏信号处理在空间调制中的应用107
6.1 空间调制技术基本原理107
6.1.1空间调制系统模型及其稀疏特性107
6.1.2性能分析及对比109
6.2 空间调制信号检测算法111
6.2.1似然检测算法111
6.2.2比合并检测算法112
6.2.3球形译码检测算法112
6.2.4基于压缩感知理论的检测算法113
6.3 广义空间调制信号检测算法114
6.3.1广义空间调制简介114
6.3.2基于块排序小均方误差检测算法116
6.3.3基于贝叶斯压缩感知检测算法117
6.3.4性能分析120
6.4 空间调制技术的扩展形式122
6.4.1扩展形式简介122
6.4.2广义空间散射调制简介124
6.4.3广义空间散射调制检测算法126
6.4.4广义空间散射调制性能分析128
6.5小结130
参考文献130
第7章稀疏信号处理在混合预编码中的应用133
7.1传统预编码方案133
7.1.1数字预编码133
7.1.2模拟预编码134
7.2 混合预编码方案134
7.2.1经典混合预编码135
7.2.2自适应连接混合预编码136
7.2.3多相移器混合预编码137
7.3 预编码设计中的稀疏性138
7.4点到点传输系统混合预编码设计138
7.4.1基于波束控制的混合预编码设计140
7.4.2基于码本的稀疏预编码设计141
7.5多用户系统混合预编码设计143
7.5.1基于解耦的低复杂度设计方案145
7.5.2基于基带预编码的粗设计与再优化方案146
7.5.3基于压缩感知的自适应连接混合预编码设计方案149
7.5.4基于交替优化的预编码设计方案150
7.5.5性能分析152
7.6 小结154
参考文献154
第8章稀疏信号处理在无线传感网中的应用157
8.1无线传感网的常规数据聚合方案157
8.2无线传感网的数据稀疏性分析158
8.3中心式网络的数据聚合方案160
8.3.1压缩数据采集方案160
8.3.2其他压缩聚合方案166
8.4分布式网络的数据聚合方案169
8.4.1基于压缩网络编码的分布式数据存储方案169
8.4.2空时压缩网络编码方案174
8.5小结178
参考文献178
第9章稀疏信号处理在其他领域的应用181
9.1水声通信181
9.1.1水声信道特点181
9.1.2水声通信系统模型183
9.1.3水声通信稀疏信道估计185
9.2空间信息网络188
9.2.1空间信息网络拥塞概述189
9.2.2基于压缩感知的拥塞监测190
9.2.3拥塞恢复性能分析192
9.3小结193
参考文献193
第10章稀疏信号处理的若干问题讨论196
10.1稀疏度未知196
10.1.1稀疏度估计196
10.1.2稀疏度自适应197
10.2基失配198
10.2.1问题描述198
10.2.2解决方案200
10.3噪声影响202
10.3.1背景噪声203
10.3.2脉冲噪声204
10.4小结205
参考文献205索引207
书单推荐
