随着人们对无线通信需求地不断增长,提供高质量、高速率的数据及多媒体业务成为移动通信领域的首要任务。模拟通信系统到数字通信系统的转变,是移动通信技术的一次重大革命,在频谱效率、系统容量、保密性以及通话质量方面得到了极大的改善。随着无线通信技术的进一步发展,正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)技术的提出,有效地提高频谱的利用率,并有效抵抗信道衰落和信道时延扩展的影响。多输入多输出(Multiple Input Multiple Output, MIMO)技术则通过空间分集增加无线系统的覆盖范围,有效地提高系统容量。目前,中继(relay)技术的研究,能够在不增加基站数目的前提下,提高小区边缘的通信质量。虽然OFDM、MIMO和中继技术有诸多优点,但是,在具体实际应用中,仍然面临很多问题。OFDM系统对同步误差甚为敏感,在信号传输过程中,由于信号受周围环境及障碍物影响,产生不同程度地衰落和时延,时间同步误差会造成符号间干扰(Inter Symbol Interference, ISI),频率同步误差会产生子载波间干扰(Inter Carrier Interference, ICI)。只有对信道特征有很好的了解,才能有效克服干扰和失真。加入MIMO或中继后,符号间干扰和码间干扰更加严重,从而影响系统性能。因此,接收端需要获得精确的信道状态信息(Channel State Information, CSI),精确的信道估计起到尤为重要的作用。针对上述问题,论文对无线多径信道的信道估计进行了研究。重点分析压缩感知理论在无线多径信道估计中应用的可行性,并重点研究了基于压缩感知理论的单天线系统、多天线系统、双向中继系统以及水声通信系统中的信道估计算法,并取得相应的科研成果。论文主要完成了以下具有创新性的研究成果。首先,论文从典型的单天线系统入手,通过分析其信道特征,建立稀疏信道模型,将传统的线性算法转化为非线性算法,将频域信道估计方法转化为时域信道估计方法,并利用压缩感知的凸优化算法来恢复信道状态信息,即压缩信道感知。所提方法充分运用无线多径信道固有的稀疏性特点,利用一阶范式最优化来恢复信道冲激响应,达到使用较短的训练序列获得较高的信道估计精确度的目的。其次,研究发现,多天线系统与单天线系统相比,具有天线数目增多,数据传输速率较高,信道状态复杂等特点,因此,在信噪比低的快衰落信道状态下难以获得准确的信道估计。快速而准确的恢复信道估计状态是亟需解决的关键问题。对于多天线系统,在快衰落条件下,传统线性信道估计算法,如LS (Least Squares),虽然信道估计计算复杂度较低,但是信道估计精确度不高。基于压缩感知的凸优化信道估计算法,能显著提高信道估计性能,然而往往计算比较复杂。基于二者的优缺点,本文提出了一种基于压缩采样匹配追踪(Compressive Sampling Matching Pursuit, CoSaMP)的高效信道估计算法。该算法对高速移动的多天线系统,在快衰落信道情况下,能以很高的概率恢复信道状态信息,准确性和实时性有了很大地提高。另外,利用离散傅里叶变换(Discrete Fourier Transform, DFT)的特性,该算法可进一步扩展运用于MIMO-OFDM系统的信道估计中。再次,就目前趋势而言,点对点通信已不能满足人们对通信网的需求,于是,催生了中继网络的发展。双向中继系统是指两个节点通过半双工中继进行信息的交互与传递,两节点直接无直达路径。对于双向中继系统,信道状态信息由传统点对点的单一的未知信道变量转化为三点间两个未知的信道变量,因此,信道估计过程复杂繁琐。本论文在深入研究双向中继系统信道特点的基础上,提出一种基于压缩感知理论的自适应的联合信道估计算法,从而巧妙的将二维变量转化为一维变量,该算法不但能显著提高双向中继系统的信道估计性能,同时,也大大提高了信道估计效率以及频谱利用率。此外,本论文还关注先进理论在实际场景中的应用——基于压缩感知的水声通信系统信道估计的研究与应用。目前,声波是水下唯一进行远程信息传输的媒体,水声信道不但受频率的影响,还与海水的运动,高度以及密度等有关,因此,水声信道要比无线电信道复杂得多。本文深入研究水声信道的特殊复杂性,根据水声信道的稀疏表示模型与非相关观测矩阵构建压缩感知算法,并筛选出适合水声信道的重构算法,为水声通信系统信道估计提出了一种可行的解决途径,基于压缩感知的水声通信系统信道估计是该领域具有创新性的研究方向。