随着人民生活水平的不断改善，人们对于通信特别是移动通信的要求越来越高，对传输的准确性，可靠性以及传输速率都提出了越来越苛刻的要求。当用户高速移动时，产生的多普勒频移增大，信道变化速度变快，并且当这种变化带有非线性变化的特征时，传统的线性预测方法将产生严重的性能下降，降低了系统对信道估计的质量。基于以上问题，提出一种适用于高速环境下的信道预测方法将具有实用意义。 AR模型信道预测技术是无线信道预测的主要方法之一，当前的研究大都集中在中低速无线信道上，适用于高速移动环境下只有少数信道预测方法被提出，且现有的算法对于信道经历非线性非高斯噪声影响造成的性能下降目前还没有较好的解决方法。本文就粒子滤波在对抗非线性非高斯噪声情况下的良好表现展开基于粒子滤波修正的高速环境下信道预测研究，主要工作如下： 1）验证AR模型预测在基于HSDPA和高速环境下的适用性。 基于AR模型的信道预测已被证实是中低速信道预测方法中一个性能优良的方法。本文将其扩展到基于HSDPA和高速环境的无线通信信道。用大量实验证明了其对该环境下同样具有良好性能。可以用作预测的基础方法。 2）提出一种基于减采样的长距离超前预测方法。 当以数据率建立预测模型时，预测所需的超前预测步数较多，一般约需几十甚至几百步前向预测，如此多步的超前预测次数将导致预测误差递归累积。本文通过对影响预测性能的AR模型参数进行详细分析，提出一种减采样方法，结合AR模型较强的外推能力，减小预测迭代次数。实验证明该算法能有效延长预测距离。 3）提出一种基于粒子滤波修正的信道预测算法。 当AR模型预测性能下降到低于门限值时引入粒子滤波进行修正，本算法以AR模型系数为条件的被预测信道值的条件概率密度作为先验概率，与被预测时刻信道真值构造贝叶斯模型，计算出以当前获得信道真值为条件的后验概率密度，再对所有粒子的权值进行归一化并进行加权运算从而得到准确的信道预测AR系数，进而获得准确的信道估计值。实验结果证实该算法的性能较好，和现有的算法相比具有鲁棒性强，抗噪声的能力强的特点。