《通信之道——从微积分到 5G》读书总结
第1章 绪 论
1.1 这是一本什么样的书
通信技术，说到底就是数学。
那些最基础、最本质的部分。
1.2 什么是通信
通信 发送方 接收方 承载信息的信号 解调出其中承载的信息 信息在发送方那里被加工成信号（调制） 把信息从信号中抽取出来（解调） 刻画信号是如何被扭曲、衰减和污染的（信道）
1.3 通信的历史
香农三大定理
**香农第一定理：**可变长无失真信源编码定理。采用无失真最佳信源编码可使得用于每个信源符号的编码位数尽可能地小，但它的极限是原始信源的熵值。超过了这一极限就不可能实现无失真的译码。
**香农第二定理：**有噪信道编码定理。当信道的信息传输率不超过信道容量时，采用合适的信道编码方法可以实现任意高的传输可靠性，但若信息传输率超过了信道容量，就不可能实现可靠的传输。
**香农第三定理：**保真度准则下的信源编码定理，或称有损信源编码定理。只要码长足够长，总可以找到一种信源编码，使编码后的信息传输率略大于率失真函数，而码的平均失真度不大于给定的允许失真度，即 D’ <= D。
香农三大定理共同构成了信息论的一个基本框架，它们的共同点是都在给出界，但是并没有给出具体的实施方案。
第2章 帮“菜鸟”复习一下微积分
2.1 微积分的创立
2.2 极限
数学——严密逻辑
2.3 你讨厌数学公式吗
2.4 连续
2.5 导数
2.6 微分
2.7 积分
2.8 微积分基本定理
积分和微分互为因果关系，是对同一个问题从不同侧面的观察。
2.9 积分中值定理
最基础的东西叫作公理，承认就好了，不需要证明。
2.13 泰勒级数
泰勒公式的初衷是用多项式来近似表示函数在某点周围的情况。
2.14 多元函数与偏导数
公理系统
第3章 信号与系统
3.1 “信号与系统”是一门什么样的课程
专业基础课程 介于基础和专业之间 最为基础的学科是数学，其次为物理 专业有很多门类
一个系统，有输入信号，也有输出信号，输入和输出之间满足一定的关系
研究系统的输入和输出之间的变化规律的科学
3.2 连续系统与离散系统
在系统当中，因为有时间变量的存在，输入和输出都是随着时间变化的，其表达的相互关系不只是某一个时刻的关系，而是一段时间内的关系。
更具体一点地说，在某一时刻系统的输出值，不仅与该时刻的输入有关，还可能与历史的输入有关。
离散信号可以由连续信号在离散的时间点上取样获得。
x[n]=x(n△t)
连续和离散，是从自变量的角度去区别的。
模拟和数字，是从因变量的取值上去区别的。
连续信号经过采样成为离散信号，这个时候还是模拟的，再经过A/D转换器后用有限的位数去表达从而成为数字信号。
3.3 线性系统
除非你专门研究非线性系统，你接触到的所有的实际系统都是线性系统。即使是非线性系统，也先进行线性化后再讨论。
因为线性系统比非线性系统简单很多，有成熟的理论可以应用，而非线性理论没有成熟。
叠加性和数乘性
3.4 时/移不变系统
如果输入信号延时了一段时间T,那么输出信号也延时相同的时间。
如果系统不随时间发生变化，就是时不变系统。
实际的系统一般是时变系统，但是我们通常把时变系统当成短时间内不变的时不变系统来处理。
3.5 线性系统对激励的响应
系统的输出是输入和冲激响应的卷积
强调一下，在离散卷积的推导过程当中，用到了线性系统和移不变的条件，这是卷积成立的前提。
冲激信号和冲激响应为什么会这么重要：有了输入信号和冲激响应，线性系统的输出就被完全决定了。
3.6 卷积的性质
第4章 复 变 函 数
4.1 从实数到复数
4.2 复数的四则运算
4.3 虚数i是怎样的一个数
虚数i不是算出来的，而是规定出来的。
4.4 复指数函数
在通信当中，最重要的复变函数就是复指数函数
以e为底的指数函数的导数，级数以及其他的相关运算都具有简洁的形式，这也是其具有重要性的根本原因。
4.5 著名的欧拉公式
欧拉公式将三角函数的定义域扩大到复数，建立了三角函数和指数函数的关系
欧拉公式所揭示的复指数函数与三角函数之间的联系深刻而充满美感
第5章 傅里叶分析
5.1 傅里叶级数
为什么要这么麻烦地把信号表达成傅里叶级数的形式?
这是因为三角函数作为线性系统的输入时具有频率不变的特性，这个特性为系统特性的描述，以及一些问题的解决带来了很大的方便。
输入是一个正弦信号，输出也是一个正弦信号，只是幅度和相位有了一定的改变。
这种由系统引起的正弦信号幅度和相位的改变，反映了线性系统的特征，叫作**系统的幅频特性和相频特性，统称频率特性。**这种描述系统的方法是非常简洁的，因此获得了广泛的应用。
在复指数的傅里叶级数当中出现了负频率，**负频率只是数学方法，并没有实际的物理意义。**一个正弦信号表达为复指数的时候，出现了一个正的频率和一个负的频率。
5.2 傅里叶变换
实函数的傅里叶变换的实部是偶函数，虚部是奇函数。实函数的傅里叶变换的幅度是偶函数，相位是奇函数。
5.5 卷积定理
时域的两个函数的卷积，在频域变成了乘法。时域两个信号的乘积，在频域变成了卷积运算。
5.6 线性系统的频率特性
一个线性时不变系统可以用冲激响应完全刻划其特性。
H(w)的幅度叫作幅频特性，H(w)的相位叫作相频特性。
对于输入信号当中的任何一个频率成分w,线性时不变系统的作用就是把这个频率成分做了幅度和相位上的改变，就是乘以H(w)。这个频率成分的能量不会泄漏到其他的频率成分上。
频率特性只适合于线性时不变系统。
非线性系统或者线性时变系统都不能用这个方法来描述，这是因为这样的系统对正弦信号不具备波形保持特性。
线性时变系统在实际当中往往被处理成短时间内的线性时不变系统。在这种情况下，也可以用频率特性来描述，但是同时隐含了对信号进行周期化的处理过程。
5.7 离散傅里叶变换
连续信号的傅里叶变换的作用主要是理论价值，而实际应用的是离散傅里叶变换。
不像连续信号有傅里叶级数和傅里叶变换之分，在离散域，傅里叶变换也就是傅里叶级数。
5.8 离散序列的连续傅里叶变换
5.9 离散傅里叶变换的性质
5.10 循环卷积
5.11 离散卷积定理
第6章 采样，通往数字世界的第一步
6.1 采样保持电路
6.2 采样的数学表达
6.5 采样定理
6.6 用采样信号重构原信号
6.7 频域采样定理
6.8 奈奎斯特定理能够被突破吗
第7章 信号的谱分析
7.1 一个简单的信号
X(w)是频谱密度，量纲为V/(rad/s),rad是弧度的单位。
7.2 频率分辨率
△=1/T
7.3 泄漏效应
对周期信号进行傅里叶分析，需要采用整周期采样才能够避免泄漏，得到正确的分析结果。
第8章 线性空间理论
8.1 数学之道
傅里叶级数的背后，是数学当中的线性空间理论。
如果用这个理论去解释傅里叶级数，只不过是用另外一组标准正交基来表达原来的信号而已。
8.2 线性空间的定义
8.3 度量空间
有了度量的定义，我们才能够定义极限，才能够定义积分、微分这些运算。
8.4 赋范空间
赋范空间就是定义了范数的线性空间。
8.5 内积空间
比赋范空间更进一步的是内积空间，当然就是定义了内积的线性空间。
8.6 正交与正交基
8.7 再看傅里叶变换
离散傅里叶变换的对象是长度为N的序离散列，可以是实序列或者复序列。由于在变换当中我们用到了复指数信号，因此我们一般认为信号序列为复数序列，实数序列是复数序列的特殊形式。
离散傅里叶变换就是信号与一组正交基的内积，如果除以系数N,就是信号在这组基下的坐标。
与离散情况不同的是，这个线性空间是无穷维的，这组正交基包含无穷多个元素。在离散情况下，高于奈奎斯特频率的成分或者为零，或者混叠到低频，因此维数是有限的。
从线性空间的角度看，傅里叶系数、傅里叶变换、离散傅里叶变换可以获得形式上的统一，都是求信号在一组正交基下的坐标。
第9章 基本通信链路
9.1 为什么需要调制
调制就是把要传递的信号“搬运”到规定的频率附近。这么做有技术和管理两方面的原因。
需要把信号调制到较高的频率，以减小天线的尺寸。
频谱是一个国家的资源，有专门的机构进行管理。
9.2 调制——频谱搬移
9.3 相干解调
相干解调的难点在于要在接收机侧产生一个与发射机侧同频同相的载波信号
9.4 非相干解调
人们在解决这一难点之前采用了非相干解调技术，也称为包络检测技术。
9.5 载波恢复
载波恢复是相干解调的必要手段。载波恢复就是从接收到的信号当中恢复出载波信号。
9.6 锁相环
锁相环是相干解调当中用到的关键部件。
锁相环进入锁定状态后，输出一个与参考信号同频且基本同相的正弦信号。
9.7 平方环
9.8 Costas环
9.9 双边带信号
基带信号s(t)总是实数，由傅里叶变换的对称性可以知道，其频谱的幅度是偶函数，相位是奇函数。
基带信号的频谱是关于零点对称的，负频率只有数学上的意义，并不实际占用带宽。但是基带信号调制到射频之后，形成了关于we的对称频谱，原来的负频率是占用了实实在在的频率资源的。
双边带信号占用了两倍的频率资源，造成了很大的浪费。
9.10 单边带信号
9.11 Hilbert变换
9.12 单边带信号的发送与接收——解决“单边带信号是一个复数，如何产生一个复数信号呢?”问题
一个实数对就可以表达一个复数。
单边带信号的发射方案，只要发射实部或者虚部就可以了。在习惯上，我们一般采用实部。
9.13 探究竟，起怀疑
考卷上的试题肯定是有答案的，证明题的结论也肯定是正确的。
但是，真正的创新，是不可能有人给你出题的，你必须给自己出题。不是有一个说法，“提出问题等于解决了一半”吗?
因为前人不笨，怎么会留很多又是对的，又没有解决的问题给你来解答呢?
所以说，创新的机会很少。
提出问题和解决问题是一个并行的过程。即使接受了，也要知道，所有的结论都有前提条件。
9.14 IQ调制
单边带信号同时利用了载波的幅度和相位，而双边带信号只利用了载波的幅度。或者等价地说，双边带信号只利用了余弦分量，而单边带信号同时利用了正弦和余弦两个正交分量。单边带信号利用了多一倍的信息，因此只需要一半的频谱资源，这么解释就比较直观了。
单边带信号的正弦和余弦分量要满足希尔伯特变换的约束关系，如果不满足，则信号占用的带宽仍然和双边带信号相同。
但是，如果我们独立地设置正弦和余弦分量，虽然带宽仍然和双边带信号相同，但是传递的信息也增加了一倍，频谱效率和单边带信号是相同的，而且省掉了希尔伯特变换这个环节。这个做法就是目前普遍使用的IQ调制技术。
IQ调制和单边带信号实现了相同的频谱效率，但是省略了希尔伯特变换这个环节。
用IQ调制就避免了这些麻烦，而实现了相同的频谱效率。
9.15 IQ信号的复数表达
实数信号是实际的发射和接收过程，而复数信号是等价的数学表达。
9.16 复数基带信号与复信道
接收机的复基带信号是发射机的复基带信号经过一个复数信道的响应。
*IQ调制的信号是一个实数信号，但是它可以用一个复数信号来等价地表达，其中s(t)叫作复基带信号。接收信号和实际的无线信道的冲激响应也都是实数信号，但是它们同样可以表达成相同的方式，并且复基带信号之间满足卷积关系：r(t)=s(t)h(t),这样我们就建立了发射机和接收机基带信号之间的直接联系，而把调制和解调过程屏蔽起来。
在无线通信当中，射频部分的技术相对比较稳定，而大量的技术手段都是在基带进行的。
9.17 数字调制
从信息比特映射到基带信号的过程
数字信号首先要转换成模拟基带信号，这个过程就是数字调制。
数字比特bk首先映射成符号In,再形成基带信号s(t)。
把s(t)调制到载波上的过程，就是模拟调制。
9.18 奈奎斯特第一准则
只有满足这个准则，才能够实现脉冲成形的无符号间干扰。
9.19 脉冲成形滤波器
9.20 几种数字调制方式
在脉冲成形函数g(t)确定的情况下，数字调制的主要任务就是研究如何把比特bk映射到符号In。
数字调制的基本方法是调幅、调相和调频，所有的调制方法都是这3种方式的组合。
正交幅度调制的英文为quadrature amplitude modulation,指的是在实部和虚部两个正交的维度上采用了幅度调制，这就比ASK的星座点只在一个维度上具有优势。
因为QAM同时利用了两个正交维度，资源利用率比较高，因此获得了广泛的应用。
9.21 连续相位调制
线性系统的一个性质是具有频率保持性：如果输入信号是一个正弦信号，则输出信号是相同频率的正弦信号。
而非线性系统就不具备这个性质。如果输入一个正弦信号，则输出信号当中会出现很多的频率成分，这个现象叫作频谱扩展。
为了避免或者减轻频谱扩展，要尽量使用功放的线性区域。
具有恒包络性质的信号，具有最低的PAPR指标，对功放的要求是最低的。因此这类信号的研究得到了很大的重视。
9.21.1 非连续相位频移键控
频移键控(frequency shift keying)信号是恒包络信号。
9.21.2 连续相位频移键控
9.21.3 最小频移键控
9.21.4 高斯滤波最小频移键控
9.21.5 从另外一个视角看MSK
时域有限对应频域无限，频域有限对应时域无限。
9.22 数字调制技术之华山论剑
在实际应用当中，简单、高效才是王道。
第10章 概率论与随机过程
在讨论解调方法之前，我们需要补充概率论的相关知识，因为信道、噪声和干扰都是随机信号。
10.1 什么是概率
10.2 联合事件和联合概率
10.3 条件概率
10.4 随机变量
10.5 随机变量的统计量
随机变量的取值是随机的，让人琢磨不定。但是我们总是要抽取那些确定的数值，才能掌握随机变量的特征。这些确定的数值，就是随机变量的统计量。
10.6 两个典型的概率密度函数
10.7 中心极限定理
中心极限定理可以解释为什么那么多的自然和社会现象都符合高斯分布，例如热噪声，同学的考试成绩，人的身高、体重，产品质量，等等。
噪声电流是由很多电子的随机运动叠加而成的，考试成绩是由很多道题目的成绩累加得到的，身高、体重以及产品质量也是同样道理，是由很多环节的效果累积而成的，而中心极限定理告诉我们，这种累积量是服从高斯分布的。
10.8 多随机变量的联合分布
10.9 条件概率分布
10.10 联合矩
实际的信号多数是零均值的。对于零均值随机变量，相关和协方差是相同的。
对于多维的高斯分布，均值和协方差矩阵共同决定了联合PDF。
10.11 n维高斯分布
对于高斯分布，不相关等价于独立。而对于一般的情形，独立的条件要比不相关强。
10.12 随机过程
如果X(t)是一个时间的函数，并且在每个时刻的取值是一个随机变量，则称X(t)是一个随机过程。
随机过程的每个时刻的值都是一个随机变量，用CDF和PDF就可以完全刻画。对随机过程比较重要的是不同时刻的随机变量之间的关系。
10.13 平稳随机过程
10.14 复随机过程
10.15 功率密度谱
对于随机过程，我们自然也会研究它的频域特性。但是，随机过程是不确定的。如何处理这种不确定性，是随机信号频域分析的关键问题。
一个可能的方法是对其样本进行傅里叶变换。但是样本之间存在很大的差异，一个样本的频域分析并不能反映信号的本质特征。
比较可行的是找出能够反映随机过程特征的确定的量进行频域分析，自相关函数就是一个可能的理想选择。
因为功率密度谱是实函数，相位谱为零，因此功率密度谱当中不包含相位信息。
10.16 循环平稳过程
10.17 各态历经过程
有了各态历经性，我们就可以用随机过程的一个样本来计算均值、自相关、互相关等统计量，进一步可以计算功率谱和互功率谱。
10.18 随机信号通过线性时不变系统
10.19 随机过程的采样定理
10.20 离散随机过程和系统
10.21 典型随机过程
高斯白噪声是信号处理当中最常见的噪声
10.22 闲话概率论
概率论并不是关于一个事件的理论，而是关于大量事件或者是无穷多事件的理论。概率论是研究关于这些大量的随机事件的确定性的东西，例如概率分布、均值/方差等统计量、相关性、功率谱，等等。因此，概率论毫无疑问是一门严密的科学，而这门科学是建立在概率的测度论定义的基础上的。
保险公司每推出一项新的保险业务，一定会调查出险的概率，并据此确定赔付金额和保费。他们要确保收到的保费高于出险的赔付，这样保险公司才能够赢利。当然，这样的确保不是基于单个保户的，而是基于足够多的保户的统计意义上的。
一件事情的成败取决于多方面的因素，很多因素是人所不能控制的，因此成败也是随机的，所谓“胜败乃兵家常事”。概率论启示我们，要把注意力从一件事情的成败转移到提高成功率上来，要通过读万卷书，行万里路，广交朋友来提高成功率。但是具体到一件事情，只“谋事在人，成事在天”了。学懂了概率，让我们从对偶然成败的焦虑当中解脱出来，从而洒脱、平淡、坚定和自信，这与佛理又有什么不同呢?
第11章 AWGN信道的最佳接收机——未看
在解调技术方面，我们介绍了载波恢复技术，不过没有考虑噪声对解调的影响。
介绍加性高斯白噪声(AWGN)信道当中的解调问题
接收机的任务是从被噪声污染的接收信号当中最优地恢复出发送的信息。
第12章 无线信道——未看
有线信道，比如铜缆、光缆，在通信速率不是特别高的时候，基本可以认为是AWGN信道。
而无线通信的条件比有线通信的条件恶劣得多。由于无线信道的恶劣性，以及无线通信的便利性，使得大量的先进技术在无线通信当中得到使用。
无线通信的媒介是电磁波，电磁波在传播的时候，会发生衰减；在遇到障碍物的时候，还会发生反射、散射、绕射等现象。
12.3 小结
无线信道引起的信号衰落可以划分成慢变化的路径损耗和阴影衰落，以及快速变化的瑞利衰落。信道的总的效果是这三种衰落的叠加。信道衰落引起了两个方面的作用，一是降低了信号的强度，从而使得信号更容易被噪声污染，另外多路径的作用使信号产生了扭曲，从而引起了符号间干扰。
第14章 多 址 技 术——未看
调制、成型滤波、载波同步、符号同步、均衡等技术，利用这些技术已经可以实现发射机与接收机之间的通信，并且能够对抗无线信道带来的衰落。
先发送信号到离自己最近的基站，基站把信号送到离另一部手机最近的基站，再由这个基站通过无线的方式送达目的手机。
就会有多部手机同时和一个基站通信，基站如何区分不同手机的信号呢?这就需要多址技术。
已经获得过实际使用的多址技术包括FDMA、TDMA、CDMA和OFDMA。
多址技术在无线通信当中占据着很重要的地位，以至于到目前，移动通信是以多址技术来划分时代的。FDMA、TDMA、CDMA和OFDMA分别代表了第一代到第四代的移动通信技术。
第15章 信 息 论
信息论自其诞生以来，指引着信息产业的发展。而在实际的开发工作当中，你又找不到它的踪影，它是一个大象无形的东西。
如果你只想做一点软硬件的开发工作，则信息论能够起到的作用很少；但是对做研究的人来说，信息论是一定要懂的。即使不做基础研究，产品的性能算法也需要信息论。
15.1 什么是信息和比特
比特是信息的度量单位
一个事件的信息由其概率唯一决定。
15.2 信息熵
熵就是信源当中所有事件的自信息的平均值，它反映了一个信源整体的不确定度。
在红白球的例子当中，两种颜色概率相等的时候是最难猜对的，无论怎么猜都只能猜对一半。如果红球的概率大于白球，我们就全猜是红球，那猜对的概率就大于50。所以等概率的时候熵最大，也就是不确定性最大。
15.5 互信息
观测信号Y使得我们对信源的不确定度降低的部分，就是互信息I(X;Y)。
15.7 连续随机变量的微熵
如果对一个连续随机变量进行量化，量化的粒度越小，它的熵也就越大，以至于趋向于无穷大。然而，量化后的熵由两部分组成，一部分趋向于一个稳定的极限，也就是微熵h(X);另一部分趋向于无穷大，并且与概率密度函数p(x)无关。那么,微熵 h(X)虽然不是熵，但是也完全反映了连续随机变量在信息方面的特性。
15.8 高斯分布的微熵
15.9 连续随机变量的互信息
离散和连续领域，共同的概念是互信息，因此互信息才是信息论最基础的概念，而不是熵或者微熵。
15.10 离散信道容量
可以从B点的状态改变去判断 A点发生的情况，从而实现通信。
可以用条件概率p(y|x)来描述离散无记忆(memoryless)信道。无记忆的意思是，信道的输出只与信道当前的输入有关，而与历史的输入信号没有关系。条件概率p(y|x)描述的是，当输入为不同的x的时候，输出为不同的y值的概率。条件概率可以完全地描述一条离散信道。
相同的输入可以引起不同的输出，相同的输出可能是由不同的输入引起的，这就引起了信息的混淆。为了减少甚至消除这种混淆，可以在发射端采用编码技术，而在接收端采用解码技术。
15.11 加性高斯白噪声信道容量
15.12 注水定理
15.13 信息论小结
第16章 蜂 窝 通 信——未看
基本链路技术可以实现点到点的通信，多址技术可以实现点到多点的通信
16.13 蜂窝通信小结
蜂窝通信是现代移动通信的基本形态。与大区制相比，蜂窝通信的每个基站采用了比较小的发射功率，覆盖一个比较小的区域，被称为小区。蜂窝通信的基础概念是频率复用，即一个频率在不同的小区多次使用，使得稀缺的频率资源得到高效利用。切换功能是蜂窝通信的自然需求，它使得用户在通过跨越小区边界的时候，保持业务的连续。频率复用是伴随着移动通信的发展而逐步发展的。
第17章 信 道 编 码——未看
香农在证明信道容量定理的时候就是采用了信道编码的方法。
香农的证明方法指明了逼近信道容量的方法就是信道编码。自信息论诞生以来，科学家们在香农指明的方向上不断探索，先后发现了分组码、循环码、卷积码、级连码，一直与香农限有很大的距离。直到1993年Turbo码的发明，人类才第一次充分逼近了香农限，后来发现，Gallager于20世纪60年代提出的LDPC码可以更接近香农限。
第18章 多天 线 技 术——未看
准确地说应该称为多通道处理技术，即只是把天线作为一个通道，而并不研究天线本身。
第19章 关于创新的思考
19.1 什么是创新
我们把创新的层次看成一个金字塔结构：处于塔尖的是基础理论，揭示的是普遍原理和规律；下面一层是关键技术，这些技术是由于认识新的原理和规律后得到的；再下面一层是解决关键技术的工程应用当中的结构、外观设计和开发；再往下还可以有生产过程当中的材料、工艺、流程的改进。我们习惯上把基础理论和关键技术称为基础创新，而把工程设计、开发、生产过程当中的创新称为应用创新。
19.2 创新的方法
探索现象发生的背后原因
如果发现了一个不能合理解释的现象，就意味着创新机会的出现。
**组织里面缺乏领头人物，没有高层次的创新，也自然缺乏明确的投入方向。**这种组织，一般是跟随业界的热点方向。然而不幸的是，真正的创新方向，原创者一般把最重要的专利都已经挖掘完毕才会向公众公开，剩下的只是一些层次比较低的专利。
低效的组织将大量的资源投入到低层次和错误的技术上去，一旦行业内出现了创新者，就会被甩在后面。所以，拥有宏观视野和深邃洞察力，能够做出高层次创新的领头人是创新的关键。
**在浩如烟海的论文当中发现有价值的研究成果，也要求有很高的洞察力。**但是这个难度比原创小了一些。因此跟踪学术界的研究动向，是获得研究方向的重要手段。
前期的投入者获得了价值较高的专利。
高价值的创新数量很少，而低价值和错误的创新总是占大多数。因为客观规律只有一条，正确的结果也只有一个，谁先发现谁就成为创新者。而只取一个或几个片面做一些局部的优化，方法却有千千万万。在这样的方向上申请一些专利、发表论文都不是很困难，只不过无法承受时间的检验，属于创新当中的幼稚病。
19.3 创新的评价方法
很多伟大的创新，经过了很长的时间才被承认。
对创新的评价需要经历四个阶段：第一个阶段是同行评审。第二个阶段是公众评审。第三个阶段是实践检验。第四个阶段是时间检验。
19.4 创新的驱动力
19.5 研究与开发的区别
19.6 基于信息不对称的管理不适合创新
管理层能够做出这个叫作沙盘的东西。沙盘的制作需要准确的信息。LTE标准是业界众多厂商共同努力的产物，经过长时间的博弈，技术、市场各个方面已经达成一致，方向是不会错的。即使是错，也是大家一起错，也没有什么关系。在信息准确、目标清晰的情况下，资源投入就有依据，每个山头是投200人还是500人，大概是有谱的。
在泥沙俱下的信息海洋当中挖掘出正确的研究方向，甚至创造出新的研究方向，是创新最关键的部分。这种决策，无法依靠对外界信息的获得和简单处理而得到，而是要依赖于研究人员的技术和市场判断力，是内生的。而且，决策是否正确，当时也无法判断。
19.7 创新的发展规律
一个完整的创新流程包括6个阶段：(1)基础原理；(2)关键技术；(3)设计；(4)开发；(5)生产；(6)市场。
传统生产企业一般只包含生产和销售，高科技企业一般从设计阶段开始创新，而创新型企业拥有关键技术创新的能力，并且由于关键技术和基础原理的紧密关系，有些企业也拥有基础原理的创新能力。
(1)由模糊到清晰，创新空间减少，风险下降；
(2)由抽象到具体，由宏观到细节，投入增加。
设计阶段解决关键技术应用当中的实际问题，也具有很大的创新空间，能够产生较多的专利，但创新的层次有所降低。
到开发阶段，创新的空间进一步减少。一般而言是采用已有的实现方法把产品设计变成实物，很少或者没有专利层次上的创新。
随着创新流程的进展，所需要的投入逐渐增大，同时也要求决策的可靠性提高。
19.8 流程是质量的基础，人决定质量的高度
19.9 基于信誉的授权是创新管理机制的核心
从第三个阶段，也就是产品设计往后的各个阶段，目标比较清晰，风险比较小，相应地，创新空间也比较小。这些阶段一般采用项目的方式进行运作，采用民主决策的方式保证决策的正确性。而基础原理和关键技术的创新，我们一般称作基础创新。在这个阶段只有一个或者少数人才懂得创新的价值，因此需要采用独裁和寡头的方式来决策，民主决策只能够扼杀创新。
科学家的信誉就是他以前的成果，是否具有创新成功的经历。如果他以前的经历证明他能够想到别人想不到的东西，把别人认为不可能的事情变成可能，并且是有价值的，他就创新了，他就具有了这种信誉。成果价值越高，信誉越高，就应该有越多的权利去做更加不靠谱的事情。即使失败了，也是合理的失败。当然每一次失败都会给科学家的信誉带来损失。如果没有成果，没有信誉，就没有权利要求组织投入资源去实施自己稀奇古怪的创新想法。信誉是科学家的生命，如果管理制度鼓励科学家珍惜和积累自己的信誉，就能形成良性反馈的创新文化，鼓励更多有才能的人前赴后继地创新。这就是基于信誉的授权。
19.10 创新的管理
创新管理需要达到三个目的：(1)产生创新；(2)识别价值；(3)压强投入资源。
创新是一个金字塔结构，创新的关键在于高层次创新。一旦获得了一个高层次创新，其下面的一系列的外围技术就不再是难题。高效的创新型组织，核心能力在于能够在早期阶段正确判断创新的方向，并把有限的资源压强投入，建立技术和知识产权壁垒，占领利润窗口，垫高竞争者的进入门槛，获得超出竞争对手的投资效率，在竞争中获得竞争优势。
采取合理的决策模式，实现合理的授权是创新管理的核心内容。
创新决策的一般原则是，越是靠前的阶段越需要授权，越是靠后的阶段越需要评审。这是因为在创新的初期，真理掌握在少数人手里。如果采用评审机制，真正的创新在绝大多数情况下会被否决。给具有资质的专家授予独裁的权力，正确的创新方向才能够保存下来，并能够保证基本的资源投入。采用权威独裁的方式，创新的成活率要比民主评审大得多。在创新后期，多数专家已经了解了客观规律，民主决策的正确率要高于独裁。并且后期决策的综合性增强，往往牵扯到产品技术和市场的各个方面，一个或者少数几个专家的知识范围无法覆盖，民主决策更加适合。
19.11 识别创新价值
学术界每年都发表数以万计的科技论文，但是真正能够获得应用的却凤毛麟角。
能够在创新公开之前就能准确评估创新的价值，是创新型组织的第二个核心竞争力。
19.12 创新的政治环境
在工业革命时期，创新的利益链条非常简单：发明人发明了一个产品，然后申请专利，开办企业并获得利益。在这种模式下，发明人自己承担发明的前期投入费用，并依靠发明获得收益。一个假的东西，除耗费金钱外，并没有什么其他作用，因此发明人没有造假的利益动机。
在现今的知识经济时代，创新的价值链条被延长，利益分配模式变得日益复杂。一方面，创新对国家，对企业的牵引作用日益增强，因此越来越得到高度重视。国家每年都投入巨额的资金到科技创新，企业对研究的投入也越来越多。另一方面，企业而不是发明人，成了创新的投资和受益主体，创新成了一种职业。研究人员并不是依靠创新本身价值直接实现获益，而是依靠创新所带来的衍生物，如加薪，升职，获得职称、资金、政绩等来获取利益。在创新的直接价值被衍生价值旁路的情况下，创新就具有了造假的利益动机。
谎言伴随着科学一路走来，这是我们必须要面对的现实。在事实不清楚的情况下，政治就扮演了重要的角色。谎言经不起检验，因此往往与相关各方结成利益同盟，各取所需。真实与谎言，乃是一个硬币的两面，它们相生相伴，共同构成了创新的生态环境。而少数真正的创新，也是在这样的一个环境当中，艰难地寻找出路。
19.13 什么样的技术需要申请专利
有商业价值的创新技术需要申请专利来进行保护
写进标准里面了，如果还是必选项，就说明对方的产品一定要用。写进标准，其实是取证的一个方法。我们的研究人员，特别是标准研究人员，把专利与标准“对上”作为了追求目标。标准的根本作用是为了保证设备间的互联互通，因此从理论上讲，标准只是定义这部分功能的技术最小集。而且竞争对手总是试图利用这条原则，通过wordingtwist 把对方的核心技术排斥在标准之外，因此大部分的关键技术是不会被写进标准的。
**基本专利还要遵循公开、合理、无歧视的授权原则。**没有写进标准的但是又无法绕开的专利，公司定义为“杀手专利”。杀手专利不必遵循基本专利的许可原则，可以对某个特定的竞争对手实施外科手术式的打击，因此力量更大。
杀手专利一定要是非常基础的专利，无法绕开，或者绕开的代价很大。杀手专利的问题在于取证，因为没有写在标准里面，别人也都是专利行家，用了你的东西之后不会通知你一声，而且会刻意隐瞒，因此取证是有一定困难的。取证是一个非常专业的工作，你想一个几亿美元的专利诉讼，而胜负取决于证据，因此获得证据不会是特别容易的。
一个专利的价值，至少包括专利的创新性、应用范围和取证难度。
专利诉讼的结果，可能是赔偿，更严厉的是禁售。
是法官或者是陪审团。
在这种情况下，技术的影响力就起到了极其重要的作用。在专利诉讼之前，要做好功课，就是把技术的影响力营造出来。怎么营造影响力?比如发表学术论文，请记者采访上报纸电视，让专业机构评各类奖项，请很牛的人物出来捧场，资助一批“水军”教授引用和评论你的发明，等等。你要做这些动作，首先技术得过硬。人家教授出来给你讲好话，其实是用自己的信誉作为担保的，说得太过火了人家也不干。功课做好了，到了诉讼的时候，陪审团问证人：“华为有没有用Q的专利啊?”问了20个证人，有15个人这么说，你看有这么多文章和报道说Q是CDMA的发明人，而且是独家发明人。关键技术有软切换、Rake 接收机，教授们都说好，专利有几千项，标准也是他们制定的，你用CDMA技术肯定绕不开。陪审团的大妈就相信了。
这个专利诉讼，首先要有专利，然后有专业人士和机构的评价和证词，最后转换为法院的判决。证人都不是一般人物，律师费也是高得吓人，整个过程下来没有几百万、上千万美元是不行的。因此专利诉讼都是发生在大公司之间，诉讼标的也往往会上亿美元，或者是将竞争对手驱逐出市场。一个小公司有一个霸道的专利，要想赢得对大公司专利诉讼，虽然不是完全没有可能，但也是比较困难的，因为它没有资金建立品牌和影响力，没有人替它说话、作证。因此小公司对大公司发起专利诉讼，其目的往往是为了出售专利提高谈判筹码。
由于专利诉讼的成本太高，大家如果能通过谈判达成一致，就别去法院花那个钱了。而谈判的要价，在双方互相展示证据后，大家都要猜测如果上法庭则会是一个什么结果，并以这个猜测结果来决定自己的出价。如果双方猜测结果差不多，就极有可能达成协议。如果差得太大，就法庭上见了。即使上了法庭，几个回合下来形势越来越明朗，很多案子也不等到宣判就庭外和解了。
**专利战是一个系统工程，不光是专利本身的问题，而是与影响力、品牌形象紧密联系的。**凡是有利于建立公司技术创新形象的技术，都要申请专利，如果有可能，还要发表文章。
采用技术秘密保护的，一般都是产品的实现方案、电路图、源代码等。这些方案不适合申请专利，如果泄露出去，可使竞争对手快速复制你的产品。
所有好的技术，都不是某个权威或者领导说好就好的，而是通过广泛研究和应用后才确立的，你不公开也无法确定是一个好的技术。如果技术没有那么好，增益不大，有其他的替代技术，那你藏着也没有什么意义，发表出来还会提高公司的技术形象。如果是特别好的技术不申请专利，在智力投入这么密集的情况下，万一被其他人独立想到并且申请了专利，这个损失就大了。
第20章 后 记
一个茶杯，大概有3项核心技术，可以这样排列：(1)盛液体的容器；(2)杯座；(3)杯把。
如何判断核心技术，就是如果避开这项技术对整个系统的影响如何。
4G基本上耗尽了业界的知识储备，目前的5G处于一个非常迷茫和混乱的状态。