随着我国高速铁路的快速发展,其在人们的生活中所扮演的角色越来越重要。了解高速铁路无线信道环境并对高速铁路信道建模是当前中国铁路迫切需要解决的问题。在确定高速铁路信道模型的时候首先应该确定无线信道的参数,包括信道的幅度、时延、多普勒频移、离开角、到达角等信道参数信息,这个过程需要比较先进的高分辨率的无线信道参数萃取方法。本文首先研究了基础的三类无线信道参数萃取算法,第一类是多重信号分类法(Multiple Signal Classification, MUSIC),该方法充分利用了信号子空间和噪声子空间之间的正交特性,可以单独对非相干信号的入射水平角进行萃取。第二类是旋转不变技术估计信号参数(Estimating Signal Parameters via Rotational Invariance Techniques, ESPRIT)算法,该算法把接收阵列分为两个子阵,并运用了信号子空间的旋转不变特性,可以对相干信号的水平角进行萃取。不足之处在于以上两种算法都是针对角度参数萃取提出的。而第三类期望最大(Expectation Maximization, EM)算法和空间交替广义期望最大(Space-Alternating Generalized Expectation Maximization, SAGE)算法,它们都是基于最大似然算法,通过求期望最大化,可以对时延、离开角、到达角、多普勒频移、幅度等多维参数进行联合萃取。文中同时给出了相关算法的仿真分析。之后,本文研究了基于WINNER Ⅱ信道模型的D2a高速移动场景下的无线信道参数萃取方法。在D2a场景下,信道由8个簇组成,每个簇由空间位置相对集中的20个散射体的反射信号组合而成。对于20条径的到达角来说,彼此之间非常接近。因此单纯的使用SAGE算法不能满足精确的角度萃取的要求。因此本文创新性地提出了改进的SIC-SAGE算法,即首先通过ESPRIT算法得到角度估计值,再引入连续干扰消除(Serial Interference Cancellation)的概念,从而获得SAGE算法的初始值,文中并给出了相应的公式推导。通过仿真得出改进的SIC-SAGE算法可以提高收敛速度,对于角度萃取的精度更高。同时文中重点分析了高速场景下影响多普勒频移萃取准确性的参数,仿真结果表明信噪比越高,天线数目越多时改进的SIC-SAGE算法下萃取参数的均方根误差(Root Mean Square Error Estimation, RMSEE)越低。