毫米波作为第五代移动通信的关键候选技术之一,它被认为能够扩展开发新频谱资源并加以使用,并能够深度挖掘空间维度无线资源,是未来5G无线通信系统最具有潜力的研究方向之一。本文基于BP神经网络开展毫米波信道建模研究,还对室内视距环境下28GHz毫米波的多径成簇特性进行了仿真分析。本文的主要研究内容及成果如下:(1)本文概述了毫米波信道测量与建模、毫米波传播仿真技术以及人工神经网络应用于信道建模的研究现状,介绍了毫米波无线信道、BP神经网络方法以及入射及反弹射线法/镜像法的理论基础,并介绍了BP神经网络信道建模的计算机实现过程(2)本文对已有文献中的会议室视距环境进行仿真,基于BP神经网络方法对路径损耗进行建模,并与实测数据进行对比,得出网络的隐含层神经元数为6个时建模效果良好,验证了BP神经网络信道建模的正确性,并得到BP神经网络路径损耗模型的精度要高于入射及反弹射线法/镜像法得到的路径损耗模型。接着本文利用BP神经网络方法对会议室和教研室视距环境下的阴影衰落,均方根时延扩展以及莱斯K因子的统计特性进行了分析。结果表明BP神经网络方法能很好的对这些信道参数进行预测,室内视距环境下表征阴影衰落特性的参数X_?基本服从均值为零的正态分布,均方根时延扩展均服从正态分布,而归一化莱斯K因子的统计特性可由指数分布来描述,且归一化莱斯K因子与收发机之间的距离可由指数函数进行建模。(3)本文对已有文献的T字形走廊进行仿真建模,并利用BP神经网络方法,分别对走廊视距环境、走廊非视距环境的路径损耗、阴影衰落、均方根时延扩展以及莱斯K因子进行了分析,结果表明BP神经网络方法也能很好的对这些参数值进行预测。其中表征阴影衰落特性的参数X_?服从均值为零的正态分布,均方根时延扩展服从正态分布,视距环境下的归一化莱斯K因子服从指数分布,和收发机距离之间的关系能用指数函数来表示;而非视距环境的莱斯K因子与距离的关系不能用函数来表示,且其统计特性由正态分布来描述而非指数分布。最后本文对T字形走廊视距到非视距环境下的路径损耗进行了建模并分析。(4)本文基于BP神经网络方法的预测结果分析了教研室视距环境下28GHz毫米波多径成簇特性。首先通过门限阈值分簇方法分别从功率-时延域和功率-角度域进行分簇,结果表明多径的时延和角度之间有着很强的相关性。接着使用K-means算法分别从二维和三维对多径进行分簇,通过计算CH指数确定了最佳分簇数,并确定了每个簇的子径条数和簇心的坐标,接着对各簇的簇内和簇间参数特性进行研究,结果表明簇内参数及簇间的参数均服从正态分布。