刘留，张建华，樊圆圆，于力，张嘉驰

（1.北京交通大学电子信息工程学院，北京 100044；2.北京邮电大学网络与交换技术国家重点实验室，北京 100876）

1 引言

信号在发射机天线发送后到达接收机天线所经历的通道就是无线信道，无线通信正是利用电磁波信号在此通道的传播特性进行信息交换的一种通信方式，其特性决定了无线通信系统的性能限[1]。信道建模就是在真实环境中探索和表征信道特性的过程，它可以揭示无线电磁波在不同场景中的传播方式。借助信道模型来了解信道的传播特性，可以为通信系统的设计和优化提供指导[2]，因此，信道建模是无线通信中最重要的研究方向之一，是评估、设计和部署任何无线通信系统的前提。

从国内外研究现状来看，面向5G 信道特性的研究主要是在某个场景或频段下采用传统的手段进行统计分析的，缺少自动学习规律技术的支持，难以应对海量化、时变性、特征多样化的无线信道数据变化趋势。因此，为了更好地了解信道的传播特性，需要一种高效且具有自适应和自学习能力的技术[3]。机器学习（ML,machine learning）是一种可以自动地从数据中发现规律，并利用此规律对未知数据进行预测的算法，已经在学术界和工业界得到了广泛的应用。作为人工智能的一个重要分支，机器学习具有以下几点优势。

1)强大的学习能力和预测能力。相关研究表明，与现有的确定性和随机性信道建模方法相比，基于机器学习的模型在准确性、复杂性和灵活性之间具有较好的权衡。……