面对日益增长的移动业务需求,第五代（5th Generation,5G）无线通信系统提出了 10 Gbps常规峰值速率、100 Mbps用户体验速率等需求目标。为了实现上述目标,作为5G关键技术之一的大规模天线技术（Massive Multiple Input Multiple Output,Massive MIMO）的研究得到了广泛开展,该技术通过在基站侧配置数十根甚至上百根天线,能够成倍提高多用户的数据传输能力和传输质量,并能提高小区间、用户间的抗干扰能力,还可以提高能量效率和频谱效率等。在同等条件下,天线物理直径的平方与远场条件边界距离成正比。由于大规模天线技术带来天线数量的成倍增长,天线阵列尺寸随之增大,使收发端距离小于远场条件边界距离,电波传播不再符合平面波假设;此外,大规模天线阵列上的单个阵元无法遍历观察空间中的所有多径簇,信道统计规律在空域呈非平稳特性。因此,传统的多入多出（Multiple Input Multiple Output,MIMO）信道的统计规律和理论模型已经不再适用于描述大规模天线信道特征。为了支持大规模天线技术的发展,迫切需要对大规模天线信道进行深入研究。作为信道测量分析和理论建模的重要环节,多径簇特性可以有效反映信道的空间非平稳变化,基于此,本文从信道多径簇的测量分析、理论模型、分簇算法优化三个方面出发,开展研究工作如下:1.大规模天线信道的多径簇特征分析。天线数量增长带来簇的变化规律未知,此外,目前研究工作尚缺乏对大规模天线信道多个场景下簇分布的对比分析。针对这两个主要问题,本文在3.5 GHz频段进行了城市宏蜂窝（Urban Macro,UMa）、城市微蜂窝（Urban Micro,UMi）和室内热点（Indoor Hotspot,InH）3种典型场景信道测量的基础上,分析了天线数量从32增长到256的条件下,簇的特征变化。天线数量的增长使得簇的能量集中位置发生偏移,离开角角度扩展（Angular Spread of Departure,ASD）和时延扩展（Delay Spread,DS）增大,到达角角度扩展（Angular Spread of Arrival,ASA）减小,在天线阵列的不同位置上观察到簇的角度、功率等发生变化。上述工作量化地分析了大规模天线信道的空间非平稳特性。2.基于簇生灭演进的大规模天线信道建模。针对天线阵列结构以及簇的生灭演进对信道带来的空域非平稳变化,首先,本文基于生灭过程模拟了簇在运动过程中的数量变化。然后,本文构建了一种大规模天线信道模型,考虑了俯仰维角度、天线阵列上的非平稳变化、以及簇的生灭变化对模型的影响。最后,通过与测量结果的对比,验证了模型仿真呈现的信道非平稳变化的准确性。3.ITU-R标准化模型新特性更新。针对ITU-R标准化信道模型,需要更新模型以体现信道空域非平稳变化的特性。因此本文给出基于泊松分布的随机簇数量这一特性用于模拟簇数量上的非平稳变化,同时,给出了空间一致性用于模拟运动过程中簇发生的连续、平滑变化过程。相比于ITU-R IMT-2020标准模型的基本模块,添加了新特性之后,模型的仿真结果能更接近实际信道特征统计结果。4.分簇算法的优化设计。针对常用的K powermeans分簇算法在移动性测量场景中,不能关联前后连续快拍之间的参数,簇在连续快拍之间的变化无法直接统计这一问题,本文引入了 Kalman filter算法,该算法能将本时刻对下时刻的预测值与下时刻的测量值做Kalman增益加权获得最优解,从而得到连续快拍间的相关性。对比优化前后的分簇结果,可以看到随着优化后簇会发生更频繁的生灭变化,分辨率进一步提高;此外,针对大规模天线信道带来数据量的成倍增长,造成运算复杂度成倍提高这一问题,本文提出了基于密度峰值（Density Peaks,DP）的算法和基于机器学习中的基于梯度提升的决策树（Gradient Boosted Decision Tree,GBDT）的分簇模型,两者都能有效降低运算复杂度。综上,本文从测量分析、理论建模、分簇算法优化三个方面,完成了 3种典型场景下的测量实验,统计分析了大规模天线信道多径簇的非平稳特性;提出了一种改进的大规模天线信道模型,同时基于IMT-2020信道模型基本模块,添加了随机簇数量和空间一致性两个新特性,使标准模型的仿真更接近实际信道特征;完成了分簇算法的优化设计,优化了分簇的准确度和运算复杂度。本文的研究方案和结论对完善大规模天线信道的测量方案设计、仿真再现和性能评估提供了参考。