随着新的无线通信服务的应用场景的不断被提出,提供一个高精度、高速率的数据服务的解决方案成为了移动通信领域研究人员的首要任务。在无线通信中,需要预先获得信道的状态信息来提升对接收端信号进行解调、均衡操作的精度,而引入压缩感知(CS)理论可以有效解决正交频分复用(OFDM)信道估计算法频段资源开销高的问题。因此本文研究的是基于压缩感知的OFDM系统信道估计技术。本文阐述了 OFDM系统产生的原理、数学建模及压缩感知理论。首先是信道估计技术和压缩感知理论的发展情况;然后阐述了无线信道的特性、OFDM系统的生成原理和压缩感知理论的三个重要方面,并给出了几种常用算法的原子筛选规则和算法流程并进行仿真。然后通过仿真信道估计算法来分析导频的数量和结构以及训练序列的长度对信道估计性能的影响。通过改变广义正交匹配追踪算法(gOMP)的原子筛选方法并加入复筛选步骤,提出改进的分段广义正交匹配追踪算法(ISgOMP)。将改进算法在一维信号输入和OFDM系统两种情况下进行Matlab仿真,分别验证重构误差、重构时间、重构概率三个方面的性能。本文针对gOMP算法选择过多无用原子以及信道估计性能不稳定等缺点,进行算法改进。通过对比试验得出当导频间隔12个子载波并采用块状间隔时信道估计的性能较好。信道估计性能随训练序列长度增加而提升,当长度为32时既可完成信道估计过程,又能节约信号资源。对改进算法的仿真实验结果证明了 ISgOMP算法能够在较短的时间内精确地重构原始信号,重构过程所需测量值的数量比gOMP算法少13个且重构精度更高,因此可以判定改进算法达到了提升OFDM系统信道估计性能的目的。