中国高铁的快速发展,不仅需要支持更高的运行速度,还需要支持更高数据传输速率。2018年3月,北京至沈阳高铁辽宁段全面启动“高速铁路智能关键技术综合实验”,推动中国智能高铁建设,而这离不开高铁无线通信系统的支持。高铁通信已经从仅需支持简单的列控业务转变为需要支持手机、平板、笔记本电脑数据业务的高数据速率时代,这对高铁无线通信系统的容量、带宽、时延、安全等都提出了巨大的挑战。实际上,公众移动通信网络的发展已经进入5G时代,高铁移动通信系统作为一种专用无线通信系统,也需向下一代更加高效智能的高铁移动通信系统演进。5G的毫米波频段具有丰富的频谱资源,且毫米波频段的信号波长较小,能在有限的物理空间之内容纳更多的天线阵列,可以使用大规模MIMO（Multiple Input Multiple Output,MIMO）与波束成形技术获得更高的系统数据传输速率。另一方面,人工智能技术的发展也是有目共睹,通过结合机器学习的学习能力与其对环境的感知能力,智能化高铁无线通信系统可以获得更小的传输时延与更多的计算资源。本文基于高铁特殊场景,利用毫米波大规模MIMO和机器学习算法,针对波束成形技术展开了深入的研究,具体工作如下:首先,本文介绍毫米波频段信号的传播特性并分析了高铁毫米波通信中所使用的关键技术,包括传统MIMO技术,大规模MIMO技术以及波束成形技术的相关知识与理论。针对高铁毫米波通信特殊场景,提出了一种基于最优均匀波束宽度的多波束成形方案。该方案中,列车每节车厢顶部都安装了一个移动中继,毫米波基站利用列车的位置信息与信道状态信息（Channel State Information,CSI）形成多波束与每个移动中继进行通信,达到能够自适应的调整波束数量与波束宽度的效果,可以有效的提升定向增益,最大化系统传输容量。并且该方案考虑了基站间多波束协作传输模式,通过与相邻同频毫米波基站发射的多波束之间进行联合传输,进一步提升列车在小区边缘的吞吐量。然后,本文针对高铁毫米波无线通信系统的低时延和可靠性问题,结合了机器学习相关理论,提出了基于广义回归神经网络（Generalized Regression Neural Network,GRNN）辅助的自适应多波束选择方案。该方案同样以列车的位置信息与信道状态信息作为基础,在列车运行过程中的每一时刻,对GRNN模型进行训练,最终得到最优的自适应多波束选择结果。经过仿真分析,所提方案的预测结果不仅数据精度没有降低,还大大地减少了传统自适应多波束选择算法的计算复杂度和通信传输时延。提升了高铁列车在高速运行过程中的稳定性和可靠性。