对于快时变信道,其信道参数会在短时间内快速变化,这使得快时变信道的信道估计需要不断的估计出大量的未知参数,由此可知时变下的信道估计比时不变下的信道估计难度更大。学者们的研究发现基扩展模型能很好地捕捉信道的时变特性,并能有效模拟信道的传输情况,进而常用于时变信道建模。基于基扩展模型的思想,本文对快时变信道进行研究,并提出新的信道估计方法。主要内容包括以下三个方面:1、第三章通过采用LS算法对基于BEM模型信道估计的研究,提出了一种改进递归最小二乘算法的基于BEM信道模型的信道估计方法。首先利用基扩展模型得到信道传输信息,然后用LS算法得到RLS算法中基系数的初值,利用FIR自适应滤波器进行并行递推,采用RLS算法对基系数跟踪更新变换,最后得到基系数估计值。仿真结果表明与传统LS算法相比,新算法具有更好的估计精度。2、第四章通过对基扩展模型以及对快时变信道的分析,提出了一种中心差分卡尔曼滤波算法来间接的估计基系数的信道估计算法。首先根据卡尔曼滤波理论,将对于基系数的估计利用低阶AR模型建立关于基系数的状态转移方程,将基于基扩展模型的OFDM系统的输出关系作为预测方程,然后根据推导出的非线性关系建立状态空间模型。最后利用此状态空间模型来间接的估计基系数。本文通过将所提算法与LS算法以及扩展卡尔曼滤波算法进行仿真对比实验。结果表明,所提方法相较后两种算法有更好的性能。3、第五章通过对快时变信道特性的分析,提出了一种新的时变稀疏信道估计和跟踪方法。首先利用SAMP算法进行时延检测,找到主要路径的时延位置,然后利用傅里叶矩阵F与主路径时延相对应的列集来构造基于BEM的OFDM系统的传输模型中所需要的傅里叶矩阵,最后利用KF算法对基系数进行估计,进而实现对信道响应的估计。仿真结果表明,所提算法相较SAMP与LS算法相结合的方法和SAMP与LMMSE算法相结合的方法均有更好的估计精度。