无线信号在无线信道中传播，容易受到多径时延扩展、多普勒频移、角度扩展等多径衰落特性影响，导致接收信号在幅度、相位和频率上失真。因此有必要利用信道特征估计技术对接收信号进行相应补偿。而无线多径信道固有的稀疏性，使得将压缩感知理论应用于多径信道估计成为可能。压缩感知理论作为一门新兴的采样理论，打破了奈奎斯特采样定理的框架，将对信号的采样转变成对信息的采样，这样在确保信息量不丢失的情况下，可以用远低于奈奎斯特采样要求的速率对信号进行采样，同时在满足一定的条件下又可以完全恢复信号。仿真结果表明，相较于传统的线性信道估计方法，基于压缩感知的信道估计方法在获得同样信道估计性能的情况下，需要的导频信号数大大减少，在提高频谱利用率的同时，大大减少了信道的重构误差。本文第四章从角度域-时延域-多普勒域分析了多径信道的稀疏性；对单天线频率选择性CDMA信道进行稀疏建模并应用压缩信道估计技术，同时针对压缩信道估计过程中由训练序列构成的随机观测矩阵进行改进，利用最优观测矩阵的思想，通过进一步减小随机观测矩阵的列向量相关性，使得稀疏信道的估计性能得到了进一步的改善；第五章中针对放大转发双向中继系统的时间选择性平坦衰落信道，分析了其在多普勒域的稀疏性并在多普勒域上稀疏建模以应用压缩信道估计技术。仿真比较了压缩信道估计性能随导频数量、信噪比的变化，最大多普勒频移对信道估计性能产生的影响，得出了不同的导频分布将通过影响观测矩阵的相关度，从而对信道估计产生影响的结论；第六章中从最大后验概率的角度出发，研究了基于概率模型的自适应贝叶斯压缩感知方法，将信号的重构和观测矩阵的设计结合起来，使二者不再相互独立。同时，提出一种基于最优观测矩阵的自适应贝叶斯压缩感知联合机制，通过减少观测矩阵的相关度以及对观测矩阵的自适应设计，使得信道的重构在抗噪能力和重构精度上都能获得更佳的效果