正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术是无线宽带数字通信系统中最近几年受到广泛关注的一种通信技术应用。它能够很好的抵抗由于无线信道多径时延扩展产生的符号间干扰。相干OFDM系统的接收端使用相干检测技术,系统需要知道信道状态信息(Channel State Information, CSI)以对接收信号进行信道均衡,从而信道估计成为系统接收端一个重要的环节。本文首先对研究的基本理论进行了阐述,介绍了信道估计的实际应用。然后主要对无线OFDM系统中的信道估计做了如下研究：首先分析了互相关(Cross Relation, CR)算法的基本原理,研究了多通道LMS盲辨识算法和牛顿算法。对LMS算法的通用最优步长的设计进行了详细的探讨,最后得到了基于互相关迭代算法的SIMO-OFDM系统盲信道估计仿真结果。然后研究了典型的ZP-OFDM系统中子空间算法的辨识条件,分析了利用标准正交迭代方法估计噪声子空间进行信道估计的可行性。为了达到良好的算法估计性能,提高收敛速度,提出了两种改进的标准正交迭代算法跟踪子空间---LMS-NEWTON标准正交和改进的LMS-NEWTON标准正交。为了进一步达到快速跟踪子空间、降低算法复杂度的目的,采用降秩正交迭代的方法进行跟踪,另外自相关矩阵的逆和自相关矩阵具有相同的特征向量,因此提出一种快速的噪声子空间降秩迭代方法。对于MIMO-OFDM系统信道估计方法也进行了研究和讨论。为了在发射天线的个数大于接收天线时也能够进行信道估计,对MIMO信道进行了过采样。过采样的噪声不再是白色的,采用预白化的方法来解决。并且提出利用导频或训练序列的半盲算法实现预白化问题。最后利用子空间拟合技术,扩展了OFDM系统的信道估计技术。将传统子空间拟合估计和迭代拟合方式相结合,避免了传统子空间方法中的奇异值分解,得到一种OFDM迭代信道估计算法。为了避免子空间分解而产生的巨大的计算工作量,同时具有较高的收敛速度,能够跟踪时变数据的子空间,提出了基于共轭梯度算法的子空间拟合的OFDM信道估计算法。由于共轭梯度算法和多级维纳滤波器本质上的一致性,提出了基于Krylov子空间的OFDM半盲信道估计算法。