随着高铁网络的快速发展,铁路通信需要从仅处理关键信号的应用发展到支持高数据速率传输的应用。目前的铁路通信系统性能难以满足高速率传输的需求。为了实现这一需求,必须获得足够的系统传输带宽,探索和研究当前尚未充分利用的毫米波频段,对于铁路无线通信至关重要。无线信道建模是设计与验证无线通信系统的基础,由于信号在毫米波频段传播表现出与sub-6GHz频段传播所不一样的特性,传统的信道模型不能很好的适应毫米波信道的建模。同时,列车的高速移动引起较大的多普勒频移,造成无线信道呈现出非平稳特性。其次,高速铁路典型性场景的多样化也为建立通用信道模型带来了挑战。本文围绕高铁典型场景中毫米波频段下的信道建模与信道特征参数分析问题展开了研究。本文的内容和研究成果主要分为以下几点:（1）针对目前毫米波高铁信道数据获取困难的问题,研究了基于射线跟踪法的信道建模方法。构造高速铁路典型传播场景的三维模型包括开阔场、路堑、隧道,利用射线跟踪法建立了28GHz毫米波频段确定性信道模型。采集了毫米波频段高速典型场景下的全面信道数据。分析了不同场景下信道的准平稳区间,为后续分析信道特征参数打下基础。（2）利用射线跟踪法获取的信道仿真数据研究在不同传播场景下反映信道大尺度衰落特性和小尺度衰落特性的信道特征参数,包括路径损耗、阴影衰落、莱斯因子、均方根时延扩展、相干带宽、均方根多普勒扩展、角度扩展。通过特定的概率分布函数进行拟合并给出概率分布参数,为高铁移动通信系统设计与评估提供参考。利用提取的信道特征信息,分析了信道特征参数之间的相关性。我们发现在不同的仿真场景中,信道特征参数之间的相关性呈现一致的现象。说明信道特征参数之间是相互影响的。（3）提出结合神经网络与两径模型建立路径损耗预测模型。定义并提取了环境特征,仅通过考虑有限的环境类型而不是通过复杂的三维环境建模来描述传播环境。通过自编码器降维生成低维环境特征,将低维环境特征作为神经网络的输入,降低了网络的复杂度,提升了训练效率。通过对比无环境特征条件下训练得到的预测模型,说明了提取的环境特征对于提升模型预测能力的有效性。将得到的混合预测模型与对数阴影模型和A-B模型进行对比,发现混合模型的最小均方根误差指标降低了约6.7,标准差指标降低了约1.5,验证了混合预测模型在预测精度和稳定性上的优势。图44幅,表28个,参考文献56篇。