在多径无线信道上进行高速数据通信通常需要接收机知道信道的状态信息，因此，掌握信道的传播特性并进行参数估计对数字无线通信系统的研究具有重要意义。目前的信道估计大多采用的是基于导频的方法：发射端发送一个在时域或者频域已知的训练序列（或叫做“导频”）去“探测”信道，接收端根据相应的接收信号，通过一定的方式进行处理，重构信道响应。这种方式带来的问题是：插入的导频占用了带宽，导致系统的频带利用率降低。那么，如何在不影响信道估计性能的前提下，减少插入导频的数量是一个值得研究的问题。实验和研究证明：实际的无线信道通常具有稀疏的结构，尤其在高速数据通信系统中，信道的稀疏性更加显著。传统的信道估计方法实际上并没有充分考虑到信道的这种固有稀疏性。如何深入挖掘信道的稀疏性，从而采用更有效的方式进行信道估计引起了研究人员的关注。近年来有人提出压缩感知的概念表明只要信号在某个变化域内是稀疏的（或者近似稀疏），那就可以利用稀疏分解理论中的算法，通过少量的采样值以较高的概率重构出原信号。压缩感知被看做是一种有效的信号获取方式，而无线信道具有稀疏性满足了该理论的前提，因此它为稀疏信道估计问题带来了一种新的解决方案，具有良好的应用前景。本文首先分析了无线信道的特性，接着系统地介绍了压缩感知的理论框架，详细地阐述了压缩感知理论中一些常见的重构算法，然后将信道估计问题转化为压缩感知理论中稀疏信号的重构问题，在此基础上介绍了基于基追踪算法和正交匹配追踪算法的稀疏信道估计方法，并将其与传统的信道估计方法进行对比仿真，验证了前者在稀疏信道估计上具有更好的估计性能。最后本文提出了基于压缩采样匹配追踪算法的单天线频率选择性衰落的稀疏信道估计方法，通过仿真证明了该方法可以使用比正交匹配追踪算法和传统的最小二乘算法更少的导频获得更好的估计性能。