随着物联网的不断发展,无线通信数据流量快速增长,毫米波通信技术可以满足无线通信系统对系统容量和数据速率的需求。然而毫米波有着严重的传播损耗,需要采用联合的收发波束赋形技术形成强方向性的窄波束以提供大的天线阵列增益。波束定向传输带来了两个新的问题:波束的高指向性增加了初始接入过程中波束对准的时延;定向传输链路容易因为环境的动态变化而中断。因此,本文对毫米波通信中高效的波束训练和波束跟踪技术展开了研究。首先,本文总结了现有波束训练的研究成果,为了解决波束训练耗时严重,波束交界处增益较低的问题,提出了2D MIMO中一种两阶段的码本设计和波束训练算法,并扩展到3D MIMO场景。两阶段的码本和算法都分为主辅两个部分:2D MIMO中主码本为层级码本,主搜索使用一种基于信噪比判断的二分搜索算法,大大降低了波束搜索时延;使用细化的辅助码本,辅助搜索采用改进的穷举搜索策略细化了波束,提升了波束交界处的增益。3D MIMO中码本和算法设计都为水平角和俯仰角两个维度的扩展:3D码本分解为两个维度码本的克罗内克乘积;3D波束搜索依次在两个维度进行,每个维度的搜索都使用改进的二分搜索算法进行主搜索和辅助搜索,降低搜索时延且增加波束交界处的增益。仿真结果表明,本文在2D和3D场景下的码本设计和波束训练算法以较低的波束搜索时延获得了较高的波束增益,同时有着良好的波束搜索准确率。其次,针对定向波束通信在快速变化的环境中容易出现波束失准的问题,本文提出了一种基于自适应无迹卡尔曼滤波(Adaptive Unscented Kalman Filter,AUKF)原理的波束跟踪算法。利用无迹卡尔曼滤波原理对系统状态进行估计,引入自适应调节因子,在系统存在异常扰动的时候,自适应调节预测和观测协方差矩阵,提高估计精度和收敛速度。仿真结果表明,相较于现有的跟踪算法,本文算法不仅有较低的复杂度和较小的跟踪误差,而且在波束角度变化率较大的时候依旧可以保持较好的估计精度,所提算法更适用于动态毫米波通信场景。