随着无线通信技术的发展和人们对无线通信传输速率、质量等要求的提高,OFDM技术已经成为第四代移动通信的关键技术。准确、实时的信道估计和PAPR抑制算法是OFDM系统的两个主要问题。MIMO-OFDM技术将时间分集、空间分集与频率分集三者有机结合,有效抵频率选择性衰落,使频谱利用率有很大提高。MIMO-OFDM系统需要各种分集的利用,相干解调解码等都需要用到信道估计信息。PAPR过高是OFDM系统的另一个问题,造成系统的性能降低,对PAPR抑制算法可以有效降低PAPR带来的损失。目前,压缩感知(Compressed Sensing,CS)是信号处理领域一门新兴的技术,能够少量的压缩信号中恢复出原始信号。论文把CS引入到OFDM系统的信号处理中,研究基于CS的信道估计和PAPR抑制算法,重点介绍如何把CS用于MIMO-OFDM信道估计。主要内容安排如下。第一章介绍了论文的研究OFDM系统,MIMO-OFDM及压缩感知技术的背景,关键技术和文章安排顺序。第二章介绍CS的关键理论,给出了几种实用的重构算法,Orthogonal Matching Pursuit (OMP)算法,Basis Pursuit(BP)算法,SOMP算法等算法的原理与实现步骤。第三章重点介绍了BCS算法和稀疏信号的树结构,提出了改进的算法TBCS,较BCS算法取得了更好地算法性能。第四章介绍无线衰落信道特性,MIMO, MIMO-OFDM目关技术,MIMO-OFDM系统框架,已及常用的OFDM系统中的信道估计方法。第五章首先介绍了MIMO-OFDM的信道模型,考虑MIMO信道本身具有稀疏性,信道之间具有相关性,构建一组相关的稀疏信道,并根据FFT变换的特点,利用DCS对MIMO子信道进行联合信道估计,仿真验证了基于CS的信道估计方案比原来的LS信道估计方案有更好的估计效果。第六章研究了目前CS在PAPR抑制算法上的应用。对当前OFDM系统的PAPR抑制算法进行分类研究。在此基础上,研究了应用CS技术的PAPR抑制算法,验证了CS对于降低PAPR有很好的应用前景。第七章对本文的工作进行总结,给出了今后的研究方向。