航空信道、水声信道等高速数字通信信道,这类信道的冲激响应往往具有稀疏的特性,基于非线性神经网络均衡器结构的接收机在补偿多径衰落、多普勒频移或者码间串扰方面很有效。本文提出了基于匹配追踪(MP)算法和神经网络的稀疏信道估计方法,并将提出的稀疏信道估计方法和梯度自适应步长算法结合,对稀疏信道进行均衡。基于稀疏信道特性的自适应均衡器能够动态调整自己的系数,以适应信道特性的改变,有效降低信道的非理想特性对通信系统的影响。　　 本文首先介绍了信号稀疏分解的原理及复杂度分析。其次,对无线信道的衰落特性及信道仿真模型进行了描述,对稀疏信道建模思想进行了阐述。接下来,对传统信道估计算法进行了介绍,分析了匹配追踪算法和正交匹配追踪算法,通过仿真结果验证了匹配追踪算法和正交匹配追踪算法可以有效地对稀疏信道冲激响应进行估计。本文提出了将BP神经网络算法与匹配追踪算法(Matching Pursuit)相结合的自适应均衡算法(BOM),该算法利用了匹配追踪算法对冲激响应中非零值定位的优势,克服了在接收信号中增加附加噪声。利用了BP神经网络的自适应、自组织、自学习能力的非线性特性,来实现信道传递函数的补偿,适应传输环境的变化。　　 在此基础上本文还提出了对BP神经网络进行自适应变步长调整的GASS(Gradient adaptive Step Size)算法,通过变步长调整来修正均衡器的系数,达到对抗稀疏信道深度频谱衰落和降低接收信号中附加噪声的目的。　　 通过MATLAB仿真,验证了文章中提出的算法具有不含矩阵逆运算、降低算法复杂度、提高估计准确度等优点。