随着移动通信系统中数据流量的不断暴涨,人们对无线通信的需求也不断增加,为了能够在频谱资源有限的情况下提高系统的频谱利用率,多天线技术应运而生。MIMO OFDM系统虽然继承了多输入多输出(MIMO)技术和正交频分复用(OFDM)技术的双重优势,能够有效地对抗无线信道的多径效应,减少频率选择性衰落,但也同时面临着由两者结合产生的越来越难以处理的信道。通常情况下,无线信道呈现稀疏性,而压缩感知理论可被用于重构稀疏信号,因此,本文针对基于压缩感知理论的MIMO OFDM系统稀疏信道估计算法进行了初步探讨和研究,本文主要研究内容如下:(1)当MIMO OFDM系统基站侧配置的天线数量趋于无穷时,信道矩阵的确定性增强,移动用户端的发送功率可以任意小。因此,本文利用压缩感知理论中无限测量向量(IMV)模型,提出了一种基于Re IMV-OMP的稀疏信道估计算法,将稀疏信道估计问题建模成基于压缩感知的稀疏信号重构问题,并通过理论推导对IMV模型进行简化降维处理,从而大大降低了信道估计的复杂度。最后与基于块优化正交匹配追踪(BOOMP)的稀疏信道估计算法作性能对比,仿真结果表明基于Re IMV-OMP的稀疏信道估计算法具有更好的性能。(2)鉴于MIMO OFDM系统的实际应用中无法实时追踪无线信道的稀疏度,论文提出了一种基于残差能量变化的SAMP信道估计算法,该算法利用残差能量变化的特性,在传统SAMP算法的基础上改进算法迭代停止的判决条件,使得该算法不再需要噪声能量的先验信息,可以更加准确逼近信道稀疏度,减少了算法超出稀疏度的迭代次数。最后,通过仿真结果证实了基于残差能量变化的SAMP信道估计算法具有更好的性能。