Millimeter Wave (mmWave) channel study is important in 5G communication to assess novel technological solutions in realistic environments. Thus, it is vital to develop reliable channel models integrating the effects of mmWave atmospheric absorption, foliage loss, and the directionality of high gain antenna systems used in mmWave links. In this paper, a design is presented that combines mmWave channel modeling with machine learning for the efficient management of environment geometry and channel specification in a 5G urban microcell (UMi) street canyon (SC) outdoor channel. Accordingly, we first investigate the channel characteristics of mmWave line of sight (LOS) and non-line of sight (NLOS) directional outdoor links in various reference cases. The analysis is conducted for the backhaul and cellular access cases using a low complexity custom channel model based on ray tracing. Additional modeling components such as antenna directionality, oxygen absorption, and foliage loss modeling are also included to enhance accuracy and generality. It is observed that the estimated channel path loss is largely dependent on SC deployment parameters due to the antenna directionality combined with the small wavelength of mmWaves, and the use of correct values for them is essential to obtain optimal channel performance. Hence, we apply a metaheuristic algorithm called particle swarm optimization (PSO) for the optimal placement of position and deployment parameters of SC channel in a mmWave communication system to yield the best channel path loss.

毫米波（mmWave）信道研究在5G通信中对评估现实环境中的新颖技术解决方案至关重要。因此，至关重要的是，要开发可靠的信道模型，并整合毫米波大气吸收，树叶损耗和毫米波链路中使用的高增益天线系统的方向性的影响。在本文中，提出了一种将mmWave通道建模与机器学习相结合的设计，以有效管理5G城市微蜂窝（UMi）街道峡谷（SC）室外通道中的环境几何形状和通道规范。因此，我们首先研究在各种参考情况下mmWave视线（LOS）和非视线（NLOS）定向户外链路的信道特性。使用基于射线跟踪的低复杂度自定义信道模型对回程和蜂窝接入情况进行分析。还包括其他建模组件，例如天线方向性，氧气吸收和树叶损耗建模，以提高准确性和通用性。可以观察到，由于天线方向性和毫米波的小波长相结合，估计的信道路径损耗在很大程度上取决于SC部署参数，并且使用正确的值对于获得最佳信道性能至关重要。因此，我们将一种称为粒子群优化（PSO）的元启发式算法用于mmWave通信系统中SC通道的位置和部署参数的最佳放置，以产生最佳的通道路径损耗。还包括其他建模组件，例如天线方向性，氧气吸收和树叶损耗建模，以提高准确性和通用性。可以观察到，由于天线方向性和毫米波的小波长相结合，估计的信道路径损耗很大程度上取决于SC部署参数，并且使用正确的值对于获得最佳信道性能至关重要。因此，我们将一种称为粒子群优化（PSO）的元启发式算法用于mmWave通信系统中SC通道的位置和部署参数的最佳放置，以产生最佳的通道路径损耗。还包括其他建模组件，例如天线方向性，氧气吸收和树叶损失建模，以提高准确性和通用性。可以观察到，由于天线方向性和毫米波的小波长相结合，估计的信道路径损耗很大程度上取决于SC部署参数，并且使用正确的值对于获得最佳信道性能至关重要。因此，我们将一种称为粒子群优化（PSO）的元启发式算法用于mmWave通信系统中SC通道的位置和部署参数的最佳放置，以产生最佳的通道路径损耗。可以观察到，由于天线方向性和毫米波的小波长相结合，估计的信道路径损耗很大程度上取决于SC部署参数，并且使用正确的值对于获得最佳信道性能至关重要。因此，我们将一种称为粒子群优化（PSO）的元启发式算法用于mmWave通信系统中SC通道的位置和部署参数的最佳放置，以产生最佳的通道路径损耗。可以观察到，由于天线方向性和毫米波的小波长相结合，估计的信道路径损耗很大程度上取决于SC部署参数，并且使用正确的值对于获得最佳信道性能至关重要。因此，我们将一种称为粒子群优化（PSO）的元启发式算法用于mmWave通信系统中SC通道的位置和部署参数的最佳放置，以产生最佳的通道路径损耗。