MIMO-OFDM技术作为4G的核心技术,可以大幅度地提高无线通信系统的信道容量与传输速率,并可以有效地抵抗多径衰落,抑制干扰和噪声,适应多媒体应用业务的需求。MIMO-OFDM系统的信道估计关系到接收机信号的恢复、收发策略的确定,无论是OFDM的相干检测还是MIMO-OFDM的空时解码都必须知道信道的状态信息,所以信道估计是MIMO-OFDM系统的一个重要环节。本论文围绕MIMO-OFDM通信系统中基于训练序列(块状导频)的信道估计问题展开研究。过高的峰均比会恶化MIMO-OFDM系统的性能,将恒包络序列作为训练序列可以有效降低发射信号的峰均比,对其进行插零优化又可以消除码间串扰,但是基于这两种训练序列的LS估计都可能遇到病态矩阵问题,从而影响系统估计性能,针对这个问题,本文提出两种优化方法,即对不同天线上的训练序列进行相移优化或移位优化,有效的解决了MIMO-OFDM系统LS估计的病态矩阵问题;还针对插零优化造成的加性噪声问题加入了实时估计最大时延扩展的算法,不仅减少了系统噪声的干扰还降低了算法实现的复杂度。本文对发射天线数为2N的MIMO-OFDM系统提出了一种非奇异的正交变换矩阵,该矩阵可以对SISO-OFDM系统的最优化训练序列进行正交扩展,使之成为适用于MIMO-OFDM系统的训练序列,扩展变换可以将多天线的信道估计问题转化为单天线的信道估计,并可以采用简化的低阶LMMSE估计算法,有效的降低了MIMO-OFDM系统信道估计的复杂度。并在此基础上通过仿真实验,比较了采用LS,LMMSE和简化的LMMSE三种估计算法时,信道的比特误码特性,验证了该算法的可行性。