随着6G研究的开展,将正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）技术应用于天地一体化网络的呼声越来越高。OFDM技术具有较高的频谱利用率和易实现调制解调外,还可以有效地对抗信号波形间的干扰,适用于多径环境和衰落信道中的高速率数据传输,这些优点使得OFDM技术在移动通信领域得到了广泛地应用。为了保证高速率的信息传输,同时保持较高的频谱利用率,接收端需要进行相干解调,而信道状态信息的获取需要通过信道估计来实现。通过大量的研究证明,无线信道由于多径效应的存在,使得信道在时域上表现出稀疏特性。同样,卫星信道也具有很强的稀疏特性。研究发现压缩感知理论可以通过少量的测量值高概率恢复出原始稀疏信号,从而为信道估计提供了一种新的理论研究方向。本文研究的内容主要是基于压缩感知的信道估计方法,提出了一种新的导频图样优化设计方法和具有一定抗噪声性能的恢复算法。主要工作如下:第一,对OFDM的信道估计问题进行建模,并与压缩感知的模型进行对比和分析,得到了用于信道估计的压缩感知模型。第二,导频图样优化方法。对于传统导频图样在压缩感知中效果不佳的问题,提出了一种基于混沌反向学习策略、自适应权重因子和局部搜索的樽海鞘群算法（Chaotic opposition learning、adaptive Weighing factor and local search based Salp Swarm Algorithm,CWSSA）用于导频图样优化。仿真结果表明,在不同的信道场景下,本文提出的算法在进行导频图样设计时比其它算法更容易收敛,获得的列相干系数也最小,且获得的导频图样用在通信系统中进行信道估计时具有更小的误码率（Bit Error Rate,BER）和均方误差（Mean Square Error,MSE）。第三,基于信道估计的压缩感知的重构算法研究。本文首先分析了不同压缩感知重构算法的优缺点,稀疏度自适应匹配追踪（Sparsity Adaptive Matching Pursuit,SAMP）算法的优点在于不需要重构信号的稀疏信息,而是利用步长的增加来逐步向稀疏度靠近,从而重构出稀疏信号。然而在SAMP算法中并没有考虑噪声对于重构结果的影响,这在一定程度上会给重构的结果带来误差。本文在SAMP算法之上提出了一种基于去噪和模糊门限的稀疏度自适应匹配追踪算法（Denoising and fuzzy Thresholds Sparsity Adaptive Matching Pursuit,DT-SAMP）,有效的改善了 SAMP算法的抗噪声能力和迭代过程中的原子选择问题。通过实验验证,本文所提的算法在稀疏度未知的信道估计中,有着比OMP、SAMP等算法更好的重构精度。最后总结了全文,并提出了本文在技术上所存在一些问题以及后续的研究方向。