近年来,随着移动数据流量和移动终端设备的激增,无线频谱资源日益紧张。可见光无线通信（Light Fidelity,LiFi）由于拥有巨大且不受监管的可用带宽,高能效以及安全性等优势,被认为是一种很有前景的高速室内连接方案。与射频不同,LiFi不具有各向同性,接收设备的方向对信道增益有显著影响,但是LiFi系统至今仍缺乏合适的信道模型,很多关于LiFi信道的研究总是假设接收机固定且垂直向上。在移动LiFi系统中,用户的移动形成了时变信道,时变信道会导致波束移位和波束性能退化,严重影响系统的通信性能。针对以上问题,本文针对移动LiFi系统的信道建模,信道跟踪和波束跟踪问题展开了研究,主要研究工作和创新点总结如下:首先,针对移动LiFi系统缺乏合适信道模型的问题,本文基于实测数据建立了信道增益服从Nakagami-m分布的移动LiFi信道模型。通过实测获得了用户移动产生的手机旋转角度数据,然后推导了移动LiFi系统的信道增益表达式,基于实测数据和推导的信道增益表达式可以得到整个房间真实的信道增益分布。利用已知分布对整个房间真实信道分布进行拟合并通过柯尔莫哥洛夫-斯米尔诺夫距离（Kolmogorov-Smirnov distance,KSD）对拟合精度进行衡量。仿真结果表明,与基准分布相比,Nakagami-m分布的拟合精度是最高的,在整个房间内的平均KSD只有0.0103。其次,针对时变信道进行实时信道估计的计算复杂度太高的问题,本文提出了一种基于长短期记忆（Long Short-Term Memory,LSTM）的移动LiFi信道跟踪方法。以基于实测数据得到的信道增益时间序列作为训练集和测试集,训练神经网络并通过归一化均方误差（Normalized Mean Square Error,NMSE）验证网络模型的跟踪精度。仿真结果表明,与基准方法相比,LSTM网络模型信道跟踪精度是最高的,跟踪的NMSE只有2.65×10-5。最后,针对时变信道会导致波束移位和波束性能退化的问题,本文提出了一种基于LSTM的移动LiFi波束跟踪算法。以可达速率最大化为目标针对移动用户单输入多输出（Single Input Multiple Output,SIMO）和多输入多输出（Multiple Input Multiple Output,MIMO）LiFi系统分别设计了最优的波束成形向量,并基于LSTM预测未来时刻的信道状态信息,然后基于未来时刻的信道状态信息和波束成形向量分别提出了针对SIMO和MIMO LiFi系统的波束跟踪算法。仿真结果验证了设计的波束成形向量的优越性,并给出了波束成形向量跟踪时序图。本文共有图36幅,表12个,参考文献84篇。