随着5G万物互联时代的到来，移动通信业务量呈现出爆炸性的增长趋势，多输入多输出-正交频分复用(Multiple Input Multiple Output-Orthogonal Frequency Division Multiplexing，MIMO-OFDM)技术由于能够显著提高频谱效率和增强系统可靠性而被广泛研究。信号在无线信道传输时会受到多径衰落、多普勒扩展、加性高斯白噪声(Additive White Gaussian Noise，AWGN)等影响，造成接收信号失真。因此，对于MIMO-OFDM系统，信道状态信息的获取是限制系统性能的主要因素，信道估计的精度将直接影响接收信号的恢复质量。
　　现有的MIMO-OFDM信道估计算法无法实现估计精度与计算复杂度之间的最优均衡，尤其是对于高速时变信道场景。为更好地解决这一问题，本文基于无线信道的时间相关和稀疏特性，对MIMO-OFDM系统中的信道估计进行研究，主要完成工作如下:
　　(1)针对现有信道估计方法计算复杂度较高、受AWGN影响严重等问题，同时为了应对时变信道中多普勒失真的影响，本文利用无线信道的时间相关特性，设计了一种基于自适应加权平均的噪声抑制信道估计方法。首先，通过数据拟合探究最优平均帧数与多普勒频移和信噪比(Signal-to-Noise Ratio，SNR)之间的关系，并应用阈值选择(Threshold Based Selection，TBS)方法获得初估计。然后，对多普勒频移和信噪比进行实时估计，从而自适应地确定平均帧数，对相邻多帧初估计结果进行平均。最后，为了更好地克服多普勒失真，引入加权因子来修正平均过程中每一帧的权重值。仿真实验表明，相较于传统的时域最小二乘(Least Square，LS)、TBS和提升的最小均方误差(Improved Minimum Mean Square Error，IMMSE)信道估计方法，该方法具有更好的误码率(Bit Error Rate，BER)和归一化均方误差(Normalized Mean Square Error, NMSE)性能，且计算复杂度低，便于实际应用。
　　(2)针对所提自适应加权平均方法平均帧数非最优、在高SNR与高时变场景下性能较差等问题，同时为进一步抑制噪声影响，在前期工作的基础上，结合无线信道的时间相关与稀疏特性，本文提出了一种基于自适应平均与均方误差(Mean Square Error, MSE)最优阈值的联合稀疏信道估计方法。首先，构建线性高斯-马尔可夫模型描述信道的径增益变化，定量分析多帧平均和阈值处理对MSE的影响，从而自适应地推导出最优的平均帧数和“点对点”置信阈值。然后，使用多帧平均抑制信道冲激响应(Channel Impulse Response，CIR)非零采样点中的噪声影响，使用阈值判决移除CIR零采样点中的噪声影响，二者结合以最大程度地消除噪声干扰。最后，使用多帧统计计算置信度进一步提升最优阈值的性能。通过在3个典型稀疏信道模型下进行仿真，从CIR支撑集恢复准确率、NMSE、BER和计算复杂度4个方面，对比分析了所提方法与时域LS、3种不同TBS及正交匹配追踪(Orthogonal Matching Pursuit，OMP)方法的性能。仿真结果表明，所提方法进一步提高了信道估计精度，在快速时变场景下仍具有较高的性能。同时，所提方法的计算复杂度低于OMP方法，且无需先验信道信息辅助，便于实际应用。