声波在水下环境中具有良好的传播特性,是目前应用最广泛的水下通信方式。然而,也存在可用带宽有限、传播时延大、多径衰落等问题。正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）是一种并行的多载波调制技术,它将信道划分为若干窄带正交子信道进行信息传输,提高了传输速率与频谱利用率,成为高速水声数据传输研究热点之一。信道估计技术可以通过估计信道状态信息提高接收端数据解调的正确率。但水声信道复杂,传统的信道估计技术需要大量子载波传输导频信息,造成频谱资源严重浪费。由于水声信道具有稀疏性,将压缩感知（Compressing Sensing,CS）用于水声信道估计只需少量导频就能估计出信道参数,从而减少导频开销,提高频谱利用率。重构算法和导频结构设计是压缩感知信道估计的两个关键问题,直接影响信道估计的性能。本文针对这两个问题对OFDM水声通信系统的稀疏信道估计方法进行了深入研究,主要工作如下:1.多径匹配追踪（Multipath Matching Pursuit,MMP）算法在信道估计中有较好估计精度,但其计算复杂度高且需要信道稀疏度的先验信息。针对此问题,本文提出了一种交叉验证（Cross Validation,CV）与正则化相结合的多径匹配追踪（Multipath Matching Pursuit Based on Cross Validation and Regularization,CV-RMMP）算法,将其用于OFDM水声信道估计。CV提供了算法的停止准则,使算法无需信道稀疏度或噪声水平的先验信息就可以重建信号,并能检查算法是否过拟合,提高了信道估计的准确性。正则化用来进一步筛选候选集,减少计算复杂性及存储开销。仿真结果表明,与原始MMP算法相比,本算法在不降低估计精度的情况下,时间复杂度降低了90%。该算法具有更好的估计性能,并且不需要信道稀疏度等先验信息,具有很高的实用价值。2.基于压缩感知的信道估计要求测量矩阵满足有限等距特性（Restricted Isometry Property,RIP）,传统的等距导频分布方式无法满足这一特性。顺序随机搜索（Stochastic Sequential Search,SSS）算法基于最小互相关准则,通过内外双循环来搜索最优导频结构。但该算法每次迭代仅选择一个最小值,选择的最优导频位置容易陷入局部最优解,影响算法性能。针对此问题,本文对压缩感知信道估计中导频结构设计问题进行了深入研究,提出了一种基于调整互相关准则的优化导频搜索算法,该算法在每次内循环时选择多个可能的导频集,增大了内循环时的搜索范围,提高了最优导频位置被选择的概率,相比SSS算法具有更高的稳定性。仿真结果表明,本文提出的导频设优化方案使信道估计的准确性得到了提高,在同样达到1%误码率情况下,比SSS算法节省了4d B信噪比。