超宽带(UWB)通信对比于传统通信方式,具备众多的优势,是未来通信行业发展的大方向,也是当前研究的热点课题。为保证UWB系统的整体性能,有效地信道估计必不可少。但是,UWB系统因其频带过宽,依据Nyquist抽样定律,需要极高的抽样频率,硬件技术难以实现。而压缩感知(CS)理论的兴起,给UWB信道估计创造了广阔的发展空间,因而备受科研人员关注。本文研究基于CS的UWB信道估计方法,对UWB通信的发展意义重大。本文分析了CS理论基础和UWB系统基本模型,探讨了UWB信道的特性,并根据其特点,使用BayesianCS方案实施信道估计。在CS中,信号的稀疏表示字典要使信号充分发挥其稀疏性,测量矩阵要采用尽可能少的测量数目实现信号重构。为此,本文对BayesianCS-UWB信道估计展开深入研究,给出特征字典与自适应测量联合的BayesianCS-UWB信道估计方案,特征字典的使用,充分发挥了信号的稀疏性,同时,自适应测量用尽量少的测量值达到所需的重构精度,真正意义上实现了低速抽样。此外,针对UWB信道固有的统计特性,将字典中各原子对信道估计的不同影响考虑进来,给出基于加权特征字典的分段BayesianCS-UWB信道估计方案,该方案充分利用了UWB信道的统计结构,在降低估计复杂度的同时改善了估计的性能。本文总共分为五个部分:CS理论及UWB信道研究现状CS理论及UWB信道估计基础知识介绍特征字典与自适应测量联合的BCS-UWB信道估计改进的BCS-UWB信道估计总结与展望这些内容对于今后UWB信道估计领域的深入探索有着重要的参考价值。