1、“.....由于到达接收机天线的反射信号分量和散射信号分量的传播时延差相对于符号间隔是可以忽略的，因此接收信号的随机波动可以建模为发射信号和个合适的随机模型过程的乘积。探索和描述合适的随机模型过程及其在实际信道中的适应性，已经作为个课题被研究了相当长的段时间。对此应用的最简单随机模型过程是第三章所论述的瑞利过程和莱斯过程。但是，这些模型的适应性十分有限，并且他们通常不足以大到适用于实际信道的统计特征。对于频率非选择性地面移动无线信道，结果表明，在很多情况下过程，是个更适合的随机模型。过程是瑞利过程和对数正态过程的乘积过程。这里......”。

2、“.....而瑞利过程总是用来表征快衰落的。当建立基于过程的信道模型时，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的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，中分析的所谓的改进过程。虽然过程和它的改进形式最初是建议用做地面移动蜂窝无线信道的模型，然而当在城区，其中视距分量就遮蔽的假设几乎都成立时，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。对此所做的个贡献可参见文献。其中介绍的随机模型是个基于莱斯过程和对数正态过程的乘积过程。这个乘积过程适合多种环境的建筑城区郊区乡村地区和开阔区域。同样地，这里产生莱斯过程的两个实高斯随机过程也认为是不相关的。如果去掉这个假设，模型的适应性将由于高阶的统计特征而大幅度提高......”。

3、“.....另外，文献提出了个所谓的广义过程，它包含了经典过程改进过程以及两个作为特例的扩展过程型和型。般来说，广义过程的阶和二阶统计特征适应性强，因而能很好地适用于实际信道给定的测量结果。进步介绍了种在乡村环境下被指定为卫星移动无线信道的随机模型。在这种环境下的大部分传输时间里，卫星和载运工具之间的视距分量都存在。模型是基于瑞利过程的，其中所有散射多径分量和反射多径分量的和的绝对值的平均功率恒定。我们假设视距分量幅度的统计特性可表征为个对数正态过程。这样，我们就考虑到了由遮蔽而造成的视距分量幅度的慢速变化。到目前为止，我们描述的所有随机信道模型具有个共同特性它们都是平稳的。也就是说，它们都是基于具有恒定参数的平稳随机过程。等文献中提出了个可用于超大区域有效的非平稳的模型。这种模型是专门为频率非选择性陆地卫星移动信道而设计的......”。

4、“.....值得注意的是，这里提出的信道模型是两状态的模型，那么我们可将衰落信号的幅度，在信号状态差时有经典的过程来建模，而在信道状态良好是由莱斯过程来建模。这种思想可以很容易地推广到态的模型，其中每个状态都用个特定的平稳随机过程模型来表示。从这个意义上讲，非平稳信道的衰落特性近似于个平稳信道模型的衰落特性。实验测量结果表明，状态的模型足以表示大部分信道。正如文献中所描述，如果模型的适应性足够高，甚至个同样的平稳信道模型也能用于每个状态。二，每个信道状态的改变也就等同于个广义平稳信道模型的重新配置。在本章中，我们将详细讨论扩展过程型和型，以及广义过程。我们还将在节中认识模型的个修正版本，经典模型是它的个特例。此外，在节中将会介绍几种非平稳移动无线信道的建模方法。在每节中，我们都会首先描述各自的参考模型......”。

5、“.....为了证明提出的参考模型的可用性，我们直确保其统计特性，如幅度的概率密度函数电平通过率和平均衰落持续时间等，与文献中提供的测量结果致各种例子也将清晰地表明，参考模型仿真模型和测量结果总是非常地近似。扩展过程型正如开始提到的样，瑞利过程和对数正态过程的乘积称为过程。对于这类过程，下文中提出了它的个扩展。如果考虑视距分量的影响，瑞利过程将被莱斯过程所替代。在提出的模型中，视距分量显然是具有多普勒频移的。同时，产生莱斯过程的两个实高斯随机过程也是互相关的。这样自由度数上升了，实际上增加了数学实现的复杂性，但从另方面，它最终提高了随机模型的适应性。由互相关的基本高斯随机过程构成的莱斯过程与对数正态过程的乘积被称作扩展过程型。在不能忽视发射机和接收机间的直视视距的环境中，这个过程可以作为卫星和地面移动无线信道的随机模型。通常......”。

6、“.....我们将讨论用来对短期衰落进行建模的莱斯过程。短期衰落的建模与分析为了对短期衰落也就是快衰落建模，我们将考虑莱斯过程式，即，式中，视距分量将再次由式描述是式定义的窄带复高斯随机过程，其实部和虚部具有零均值和相等的方差。到目前为止，我们已经假设电磁波到达接收天线端的入射角均匀分布在区间内，且天线是圆对称性辐射模式的。那么，复过程的多普勒功率密度也具有对称性，这就导致两个实高斯随机过程和是统计独立的。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的影响，即天线不具备圆对称辐射模式，入射角在到的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，得到的非对称的多普勒功率谱密度就可以表示如下式中......”。

7、“.....只有在即的特殊情况下，按照理论，我们才能再次得到对称的多普勒功率谱密度。但是般说来，式的形式是不对称的，这就导致实高斯随机过程和是互相关的。接下来，我们将式得到的多普勒功率谱密度，表示为左限定功率谱密度。因为传统的功率谱密度的多普勒扩展有实际值相比通常太大。当给定的值并选取适当的时，相当于传统的功率谱密度，左限定功率谱密度能够更好地符合通过衰落信号得到的多普勒扩展。图描述了莱斯过程的参考模型，他的基本复高斯随机过程由如式所示的左限定功率谱密度表征。从图，我们可以得出关系式和，式中，代表有色高斯随机过程，它的希尔伯特变换用，表示。这里，的频率成形是通过利用传输函数为的理想滤波器对标准正态分布的高斯白噪声，进行滤波而得到的。接下来......”。

8、“.....通常由式来定义的的自相关函数，可以用和的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，可以得到多普勒功率谱密度的以下表达式，对于多普勒功率谱密度和及其相应的自相关函数和......”。

9、“.....，，，，，，，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的函数，如下式所示图示例了和的形状以及相应的左限定功率谱密度。在和的统计特性的以下推导中，我们经常使用缩写形式和其中。应用式和，这些特征量可以表示如下，，......”。