可重构智能超表面（Reconfigurable Intelligent Surface,RIS）,也称为智能反射超表面（Intelligent Reflecting Surface,IRS）,可通过灵活地调整其反射元件的相移系数来重构电磁传播环境,有望成为未来第六代移动通信（The 6th Generation,6G）系统中提升能效、改善覆盖、及增强用户体验的关键技术。为了充分挖掘与利用RIS辅助通信系统的潜力与优势,需要获取精确的信道状态信息（Channel State Information,CSI）,并设计高效传输方案。然而,由于RIS本身的无源特性与RIS辅助通信系统下的级联信道含有大量的信道系数,现有RIS辅助系统信道估计技术面临着诸多挑战,特别是:导频训练开销大,计算复杂度高,估计精度低,实际硬件与理论模型不匹配。本文围绕上述挑战,开展了基于结构化信道模型下的RIS辅助多用户通信系统信道估计技术研究,取得了三方面研究成果,简述如下:首先,针对更为实际的基于二维平面阵列结构的RIS辅助多用户多输入单输出（Multiple-Input Single-Output,MISO）系统,提出了一种高效的三阶段级联信道估计方法,其中基站（Base Station,BS）为二维天线阵列,RIS为二维反射元件阵列。具体而言,在第一阶段,估计典型用户的CSI。为解决此阶段BS处公共到达角（Angle of Arrival,Ao A）的功率泄露问题,提出了一种低复杂度的一维搜索方法。在第二阶段,利用阶段一典型用户级联信道的CSI及多用户级联信道矩阵间的相关性,构造了一个重新参数化的公共RIS-BS信道,以实现对其余用户CSI的低导频开销估计。在第三阶段,仅对快速变化的信道增益进行重新估计。此外,对RIS相移训练矩阵进行优化设计以进一步提升估计性能。在毫米波通信块衰落信道中的仿真结果显示,所提出算法的导频训练开销显著低于现有算法,并且在高信噪比（Signal-to-Noise Ratio,SNR）情况下估计性能接近其性能上界。其次,针对RIS辅助多用户多输入多输出（Multiple-Input Single-Output,MIMO）系统,提出了一种新的两步骤级联信道估计方法。首先,分别对用户处的离开角（Angle of Departure,Ao D）与基站处的Ao A进行估计。其次,完整的分析表明:含有J根路径的多天线用户级联信道可以被分解为J个含有单根路径的单天线用户级联信道。因此,多个多天线用户的级联增益与级联角度估计问题可以转化为多个具有单根路径的单天线用户级联信道估计问题,并采用本文针对RIS辅助多用户MISO系统所开发的信道估计方法进行求解。基于估计的多天线用户级联信道,采用基于块坐标下降（Block Coordinate Descent,BCD）-极大极小（Majorization Minimization,MM）的优化方法对多个多天线用户进行传输方案设计以最大化整个RIS辅助多用户系统的加权和速率。在毫米波通信块衰落信道中的仿真结果表明,相较于基准算法,所提出的信道估计方法能以更低的导频训练开销实现更高的通信传输速率,并在高SNR条件下估计性能接近其性能上界。值得一提的是,这是该领域首个针对结构化信道模型下的RIS辅助多用户MIMO系统设计的信道估计算法;同时也是该领域首个基于估计到的CSI对该系统的加权和速率进行传输方案设计的方法。最后,针对RIS辅助多用户MISO系统中的误差传播问题,本文提出了一种新的基于误差传播抑制的两阶段级联信道估计方法。具体来说,在第一阶段,通过精心设计RIS相移训练矩阵和引入匹配矩阵,所有用户共同传输导频信号,以估计公共RIS-BS信道中不同传播路径间的旋转因子和缩放因子,从而实现了多用户分集增益,并抑制了误差传播效应带来的负面影响。然后,利用结构化级联信道固有的模糊性,基于估计得到的相关因子,包括旋转因子和缩放因子,构建了模糊公共RIS-BS信道。在第二阶段,基于构建的模糊公共RIS-BS信道,每个用户只独立发送少量训练导频以估计其各自的用户-RIS信道,从而获得完整的级联信道CSI。仿真结果确认,相较于已有的信道估计算法,在实现相同的估计性能下,所提出的算法所需的训练导频数更低;并且其估计性能会随着用户数的增多得到进一步提升。