当前5G技术迅猛发展,毫米波因其宽频带特性可以满足5G的超大数据传输需求,已经成为研究热点之一。因此通过对毫米波频段无线信道的进行深入仿真分析,建立与实际信道相符的信道传播模型是很有必要的。本文基于支持向量机算法研究室内毫米波频段电波传播特性,并用粒子群优化算法优化选取支持向量机算法模型参数,有效提高了支持向量机算法模型的预测精度,为5G室内毫米波室内信号覆盖提供理论依据。本文的主要研究内容及贡献如下:(1)首先概述了室内毫米波传播特性的研究现状和支持向量机的相关理论基础,详细阐述了支持向量机用于预测室内毫米波传播特性的算法流程和计算机实现步骤。(2)正确性验证:基于支持向量机算法理论研究了T字形走廊环境60GHz传播特性,利用实际测量的接收功率样本数据建立支持向量机模型,仿真结果与实测结果一致性良好,验证了支持向量机算法用于室内毫米波信道建模的正确性。(3)预测精度分析:分析了训练SVM模型的参数惩罚因子和核参数的选取对模型预测精度的影响,研究了通过粒子群算法寻找出最优的参数可以有效地提高SVM模型的预测精度。并将粒子群算法参数优化方式与网格搜索法、遗传算法参数优化方式对比,仿真结果表明粒子群算法在建立室内毫米波SVM模型时具有较高预测精度。(4)有效性分析:基于粒子群算法优化的支持向量机模型,分析了室内60GHz毫米波传播特性。选取实验室毫米波频段传播环境,将基于射线跟踪法仿真数据用于建立SVM模型。通过模型预测值与仿真值对比,一致性良好,验证了基于粒子群算法优化的SVM模型用于研究室内毫米波传播特性的正确性。