随着智能手机的普及和物联网的兴起，通过无线网络传输数据流量每年都呈指数级增长。为了应对系统容量和用户通信速率不断增加的需求和挑战，拓展和充分利用无线信道资源是无线传输设计中最为核心的两个问题。而将MIMO与频谱利用率高、抗多径干扰的OFDM结合，对于提升传输速率、传输可靠性和系统频谱效率及抑制干扰等具有十分重要的作用。为了充分挖掘MIMO系统的技术优势，基站需要准确的信道状态信息进行如预编码、波束成形等相关处理，同时精确的信道参数也有利于克制超密集网络(UDN)带来的导频干扰影响，因此对于信道矩阵的获取是首要的。
　　压缩感知是近年来的研究热点之一，其将信号的采集和压缩过程齐驱并进，由此可在数据的传输和存储方面节省大量资源和成本，因而被广泛应用于众多领域。无线通信领域也是压缩感知研究热点之一，本文重点研究了其在信道估计中的应用。在宽带通信系统中，信道多呈现稀疏性，由于其所具有的特性，故可以利用压缩感知技术估计信道。众多研究表明，相较于传统信道估计算法，基于压缩感知的信道估计算法可以在只有少量观测值的情况下得到良好的信道估计性能，其有利于链路性能的提升和频谱资源的充分使用。本文的研究重点是自适应压缩感知重建算法在SISO-OFDM系统和MIMO-OFDM系统中的应用，主要的研究工作和内容如下：
　　(1)搭建了稀疏信道下的OFDM系统的传输模型，并将压缩感知重构算法OMP应用于传输模型的信道估计中，通过仿真验证了基于压缩感知的重构算法在重建精度和频谱资源的利用率上优于使用传统信道估计算法。
　　(2)借助压缩感知理论，研究基于稀疏信道下的OFDM系统，并将提出的变步长自适应压缩采样匹配追踪(VSACSMP)算法应用进系统的信道估计中。仿真结果表明，相较于传统自适应压缩感知重构算法，文中提出的VSACSMP算法具有更好的信道估计性能。
　　(3)搭建了稀疏信道下的MIMO-OFDM系统的传输模型。提出一种使用短导频的幂函数稀疏度自适应匹配追踪(PSAMP)算法。该算法由稀疏度预估计和追踪重构两部分构成，首先通过幂函数试探得到一个略小于真实稀疏度的预估值，再通过压缩采样匹配追踪重构信号，改善估计结果；若不能成功重构，则逐渐增加信号原子数量。仿真结果表明，相较于传统自适应压缩感知重建算法，文中提出的PSAMP算法在高信噪比区域具有更好的信道估计性能。在信噪比大于10dB以后，3种算法的性能均随着SNR的增大而提高，VSStAMP算法相较OMP算法有4dB左右的优势，PSAMP算法的NMSE曲线比VSStAMP低3dB左右，本文提出的PSAMP算法优于其他算法。