大数据将极大地改变我们的生活方式，并在不同的应用中得到了相当多的关注。在各个行业，数据的数量和规模都呈指数级增长。快速增长的数据给世界带来了巨大的机遇和深刻的变革。基于大数据，我们可以提取出不同的、不相关的案例之间深层次的、潜在的关系，从而更好地做出决策。

新兴5G结合了互联网和互联网的-事（物联网），这使在量和无线数据的类型的急剧增加。数据驻留在无线系统中大量的深层知识，可以大大提高网络的设计和服务提供，有利于用户和运营商。关于无线电传播机制是无线信道建模的研究的基础。在图5G的系统中，带宽（超过几百MHz），中心频率（厘米和毫米波波段）的天线（3维和大规模MIMO）量，噪声比（IoT），和应用传感器的数目的场景展开极大与比较4G。深和精确的特征性质驻留在大量无线信道大的数据，这使得传统的信道建模方法难以解决。通过使用通道大数据，我们可以更准确地描绘了通道，而我这是从未涉及的5G无线通道的深衰落特性。

至于物联网，传感器的数量超过100万/公里²在5G系统。传感器位于无处不在（3名维）中的典型场景。如果考虑传感器之间的通信，这使得传统的表征方法难以处理的无线链路的数量成倍增加。我们认为，有一些新的/改进的测量方法来探测多用户信道和一些有效的提取技术参数化的通道。

为了应对这种需求,这个特殊的问题旨在作为一个论坛的识别问题和研究趋势,小说的传播结果和想法,热门话题的讨论信道建模与仿真领域的5 g系统使用大数据和其他人工智能理论。未来的作者欢迎提交原创和高质量的论文在这个特别问题的任何主题。

可能的主题包括但不限于以下内容:

• 高效的信道探测技术和5G无线频道建立通道大数据银行的方法
• 高可靠、高效、准确的5G无线信道数据挖掘技术，如数据清洗、降维、高分辨率信道参数估计方法
• 基于信道大数据的5G无线信道智能建模理论与仿真技术，如三维传播环境重构、散射体与多径组件簇之间的映射等
• 利用机器学习和深度学习理论进行信道表征和参数化
• 信道仿真技术和基于信道大数据库的仿真技术
• 基于大数据的铁路通信和车辆通信快速时变信道表征与仿真