在OFDM通信系统中,准确、实时的信道估计是接收端进行数据解调的必要条件。传统的信道估计技术主要包括基于导频辅助的信道估计和盲信道估计两类。然而,这两类技术在实际应用中都具有一定的局限性。基于导频辅助的信道估计需要将一部分资源用作导频的发送和接收,因而会造成系统频谱利用率的降低；而盲信道估计算法的复杂度很高,由于实际系统的硬件复杂度等的限制,实现比较困难。如何在性能和复杂度之间取得较好的折中,已经成为目前信道估计需要解决的一个重要问题。为解决这一问题,本文重点对压缩感知(Compressed Sensing, CS)信道估计进行了研究,主要内容安排如下第一章介绍了本文研究背景、主要研究内容和全文的组织结构。第二章论述了CS和分布式压缩感知(Distributed Compressed Sensing, DCS)的主要原理,相关结论以及一些常用的恢复算法,包括Orthogonal Matching Pursuit (OMP)算法,贝叶斯算法,11范数最优化算法等。第三章通过对无线衰落信道特性的分析,讨论了移动无线信道的各种传播特性。随后介绍了OFDM技术的主要原理。在此基础上,对目前常用的OFDM信道估计方法进行了研究和分析。第四章首先介绍了OFDM的系统模型,随后对目前已有的基于CS的信道估计算法进行了分析,并在此基础上提出了正交频分复用(orthogonal frequency-division multiplexin, OFDM)系统以及放大转发(Amplify-and-forward, AF)中继系统中基于DCS的信道估计方法。相比于传统的信道估计方法,文中所提出的估计方法能够在降低导频的同时提高估计的性能,并能通过对虚拟信道数目的选择在复杂度和性能方面取得更加灵活的折中。本章最后给出了在不同通信环境下的仿真,结果验证了分析的准确性第五章研究了卡尔曼滤波与压缩感知结合的信道估计方案。通过对目前已有的卡尔曼滤波信道估计方法的分析和研究,本文指出了目前的方案所存在的一些缺陷,提出了两种改进方案,并从复杂度方面对不同方案进行了对比。在第一种方案中,考虑了频域卡尔曼滤波估计与分布式压缩感知的结合,利用了压缩感知信道估计导频开销少的优点,进一步减少了估计误差；而第二种方案则研究了对信道在时延域采样的卡尔曼滤波方法,通过引入CS对信道多径的时延信息进行估计,并且在信道变化时保证对信道估计的准确性,更有利于对实际时变信道的追踪。虽然两种改进方案与原方案相比在一定程度上提升了复杂度,但复杂度在系统可以接受的范围内,而且由于CS算法具有较好的鲁棒性,在宽带通信中能够得到一定的复杂度增益。本章最后给出了具体的仿真,结果验证了对改进方案分析的准确性。第六章对低信噪比环境下CS信道估计的理论性能进行了研究,得到了实际信道为了达到相干信道的能量利用率所需要满足的充要条件完善了低信噪比下信道估计的理论分析。论文首先对目前已有的理论条件进行了分析,随后通过对OFDM系统的建模,推导并提出了CS信道估计下的改进条件。与已有的理论结论相比,通过引入CS,可以降低对实际块衰落信道的要求,因而更有利于理论的实用化。此外,针对其他传输模式,文中也给出了近似的推导,并得到了相似的结论。第七章对本文的工作进行了总结,并给出未来的研究方向。