本书主要内容为高频通信环境的时空复杂性、高频天波传播预测与通信选频体系、高频通信选频方法及其特点、高频通信可用频率的重要参数、区域细粒度预测模型、下一代建链技术等，重点阐述了影响高频通信的电离层无线电噪声时空变化特性、ITU-R建议方法及其主要特点、基于混沌动力学和改进曲面样条插值理论的MUF的短期预报模型、利用人工智能技术助力高频通信频率长期预测和短期预报模型。

第1章 绪论1.1 技术背景1.2 国内外研究现状1.2.1 HF通信系统发展历程1.2.2 全球HF通信系统现状1.2.3 HF通信选频技术发展1.2.4 发展趋势和主要挑战1.3 本书内容及主要贡献1.3.1 技术需求1.3.2 主要内容1.3.3 重要贡献1.4 本章小结第2章 HF通信环境的时空复杂性与天波传播特点2.1 电离层环境2.1.1 电离层概念2.1.2 电离层结构2.1.3 电离层成因2.1.4 电离层变化2.2 无线电噪声2.2.1 无线电噪声源2.2.2 无线电噪声的时空特征2.2.3 无线电噪声的近年变化2.3 HF天波传播特点2.3.1 信号衰落2.3.2 多径时延2.3.3 电离层吸收2.3.4 多普勒效应2.4 本章小结第3章 HF天波传播预测与通信选频体系及其方法3.1 当前的选频体系与方法3.1.1 术语定义3.1.2 ITU-R基础支撑方法3.1.3 ITU-R频率预测方法3.1.4 方法特点3.2 电离层参数模型的发展3.2.1 国际参考电离层3.2.2 ITU-R电离层模型3.2.3 中国参考电离层3.2.4 其它模型3.3 HF天波传播预测方法3.3.1 控制点3.3.2 电离层参数3.3.3 接收场强3.4 本章小结第4章 HF通信选频体系优化与AI技术助力应用方向4.1 人工智能的技术发展与研究方法4.1.1 人工智能的起源与发展4.1.2 人工智能重点研究方向4.2 面向智能HF通信系统的选频体系4.2.1 未来HF通信选频的研究方向4.2.2 增强的智能HF通信选频体系4.3 AI技术发展及助力HF通信选频方向4.3.1 AI助力HF通信选频的方案4.3.2 AI助力HF通信选频的技术4.4 本章小结第5章 统计机器学习重建电离层参数长期预测模型5.1 基于SML的建模思路5.2 建模训练数据的选取5.3 foF2模型映射的建立5.3.1 周年动态变化映射确定5.3.2 空间动态变化映射确定5.3.3 昼夜动态变化映射选择5.4 foF2模型参数的确定5.4.1 周年动态变化参数确定5.4.2 空间动态变化参数确定5.4.3 昼夜动态变化参数确定5.5 foF2模型的验证分析5.5.1 预测流程5.5.2 对比分析5.6 本章小结第6章 区域化细粒度HF通信可用频率增强预测模型6.1 建模思路6.1.1 技术内涵6.1.2 技术路线6.1.3 建模流程6.2 建模训练数据6.2.1 M(3000)F2建模训练数据6.2.2 OWF与HPF转换因子建模训练数据6.3 M(3000)F2精细化建模 6.4 OWF转换因子细粒度建模6.5 HPF转换因子细粒度建模6.6 模型验证分析6.6.1 独立因子模型验证6.6.2 可用频率预测模型对比6.7 本章小结第7章 基于混沌动力学的电离层参数短期预报模型7.1 电离层参数短期预报需求7.2 基于Volterra滤波器的自适应预测方法7.3 电离层foF2短期预报流程7.3.1 foF2观测数据预处理7.3.2 相空间重构与混沌吸引子7.3.3 foF2混沌特性的量化评价7.3.4 foF2自适应短期预报7.4 电离层foF2短期预报方法验证7.4.1 很好训练周期确定7.4.2 不同风暴期的对比7.4.3 不同季节特性的对比7.4.4 不同太阳活动期的对比7.4.5 与IRI分析结果的对比7.5 本章小结第8章 混沌赋能HF通信优选可用频率短期预报模型8.1 MUF短期预报思路8.2 M(3000)F2混沌短期预报模型8.2.1 观测数据预处理8.2.2 延迟时间和嵌入维数的确定8.2.3 相空间重构与混沌吸引子8.2.4 M(3000)F2的自适应预报8.3 预报参数空间特性的插值方法8.3.1 基于地磁坐标的改进曲面样条插值方法8.3.2 预报参数空间插值方法交叉验证8.4 MUF短期预报方法验证分析8.5 本章小结第9章 总结和展望9.1 全书的内容总结9.2 下一代建链技术9.3 未来工作的展望参考文献