1、“.....和联合概率密度函数。这里，我们将用,来表示这个联合概率密度函数。需要指出是，是个时变均值为方差为实高斯随机过程。因此，它时间导数也是个实高斯随机过程，但是这个过程均值为，方差为。同时需要注意是，过程和在同时刻是描述是式定义窄带复高斯随机过程，其实部和虚部具有零均值和相等方差。到目前为止，我们已经假设电磁波到达接收天线端入射角均匀分布在区间内，且天线是圆对称性辐射模式。那么，复过程多普勒功率密度也具有对称性，这就导致两个实高斯随机过程和是统计独立。接下来，我们将不考虑这个假设。相反......”。

2、“.....即天线不具备圆对称辐射模式，入射角在到范围内没有电磁波到达接收机，这里将严格限制在区间内，这样，得到非对称多普勒功率谱密度就可以表示如下式中，同样表示最大多普勒平率，且在范围内。只有在即特殊情况下，按照理论，我们才能再次得到对称多普勒功率谱密度。但是般说来，式形式是不对称，这就导致实高斯随机过程和是互相关。接下来，我们将式得到多普勒功率谱密度，表示为左限定功率谱密度。因为传统功率谱密度多普勒扩展有实际值相比通常太大。当给定值并选取适当时，相当于传统功率谱密度，左限定功率谱密度能够更好地符合通过衰落信号得到多普勒扩展。图描述了莱斯过程参考模型，他基本复高斯随机过程由如式所示左限定功率谱密度表征。从图......”。

3、“.....式中，代表有色高斯随机过程，它希尔伯特变换用,表示。这里，频率成形是通过利用传输函数为理想滤波器对标准正态分布高斯白噪声,进行滤波而得到。接下来，假设白高斯随机过程和是不相关。通常由式来定义自相关函数，可以用和自相关函数和互相关函数表示如下利用和可分别比较式和式我们可以得到,,这样，式可以表示为对式和式进行傅里叶变换后......”。

4、“.....对于多普勒功率谱密度和及其相应自相关函数和，以下关系成立,,,,,,,,式中，和分别表示第类零阶贝塞尔函数和零阶函数。如果我们现在将式和式带入式，那么我们可以将表示为关于函数，如下式所示图示例了和形状以及相应左限定功率谱密度。在和统计特性以下推导中......”。

5、“.....应用式和，这些特征量可以表示如下,,,,,,式中，符号上面圆点表示对时间求导参数表示频率比,应该注意到，只有在特殊情况下形状才是对称。在这种情况下，过程和是不相关。并且由式式可得，,和，这些等式已经从节得出。对于具有非对称多普勒功率谱密度莱斯过程，推导它统计特性出发点是求出在时间内同时刻关于,,和联合概率密度函数。这里，我们将用,来表示这个联合概率密度函数。需要指出是......”。

6、“.....因此，它时间导数也是个实高斯随机过程，但是这个过程均值为，方差为。同时需要注意是，过程和在同时刻是,,,,,,,,,,,,,......”。

7、“.....,,,,,,描述是式定义窄带复高斯随机过程，其实部和虚部具有零均值和相等方差。到目前为止，我们已经假设电磁波到达接收天线端入射角均匀分布在区间内，且天线是圆对称性辐射模式。那么，复过程多普勒功率密度也具有对称性，这就导致两个实高斯随机过程和是统计独立。接下来，我们将不考虑这个假设。相反，我们假设由于空间限定障碍物或由于有向天线或扇形天线影响，即天线不具备圆对称辐射模式，入射角在到范围内没有电磁波到达接收机，这里将严格限制在区间内，这样，得到非对称多普勒功率谱密度就可以表示如下式中，同样表示最大多普勒平率，且在范围内......”。

8、“.....由于到达接收机天线反射信号分量和散射信号分量传播时延差相对于符号间隔是可以忽略，因此接收信号随机波动可以建模为发射信号和个合适随机模型过程乘积。探索和描述合适随机模型过程及其在实际信道中适应性，已经作为个课题被研究了相当长段时间。对此应用最简单随机模型过程是第三章所论述瑞利过程和莱斯过程。但是，这些模型适应性十分有限，并且他们通常不足以大到适用于实际信道统计特征......”。

9、“.....结果表明，在很多情况下过程,是个更适合随机模型。过程是瑞利过程和对数正态过程乘积过程。这里，我们用个考虑了本地平均接收功率慢时间变化对数正态过程来表征适合实际信道慢信号衰落。而瑞利过程总是用来表征快衰落。当建立基于过程信道模型时，我们假定由于阴影效应不存在视距分量。通常还假定产生瑞利过程两个实窄带高斯随机过程互不相关。如果我们忽略后个假定，就演变成文献,中分析所谓改进过程。虽然过程和它改进形式最初是建议用做地面移动蜂窝无线信道模型，然而当在城区，其中视距分量就遮蔽假设几乎都成立时，这些随机模型同样适用于模拟卫星移动无线信道。但是在郊区乡村地区或甚至开阔区域，存在部分视距分量或无阴影效应，这就进步进行模型扩展变得十分必要。对此所做个贡献可参见文献。其中介绍随机模型是个基于莱斯过程和对数正态过程乘积过程。这个乘积过程适合多种环境建筑城区郊区乡村地区和开阔区域......”。