随着现代通信系统的发展,系统带宽越来越大。时间分辨率提高,区分多径能力增强,通信系统中信道的可分辨径数量特别大,使得信道模型的计算机仿真和基于信道模型的相关应用复杂度极高。因此本文考虑在保留信道基本特征的前提下,以更稀疏、径数更少的方式来表示密集的多径信道,简化现有的信道模型。另外,随着通信技术的发展,其应用场景也在不断扩展,其中很多场景都涉及高速移动,比如高铁、车联网、无人机通信等。高速移动场景通常发生在空旷的地方,且为了更好地提供通信服务,通常是多个基站服务于用户,此时每一径都可视为直射径,信道径数较少,在时域和多普勒域上均表现出稀疏性。用户相对基站高速移动,信道变化剧烈,产生巨大的多普勒频偏,传统的信道估计算法已不适用。本文对这样有多个巨大且方向相反的多普勒频偏的信道估计问题进行研究,以提高系统性能。无论是信道简化,还是高速移动场景下的稀疏信道估计,本质上都是估计信道各径参数,包括复增益、时延、多普勒频偏等参数中的几个或者全部。因此,这两个问题可以用类似的方法解决。本文首先研究了多径信道模型简化方法。对多径信道的简化问题进行建模,在不考虑多普勒效应的前提下,采用时延功率谱在时域上表征多径信道,频域上的表现形式为频率相关函数。定义误差函数为原始信道模型与简化后信道模型的频率相关函数的差值的模方和。由此,多径信道模型的简化问题转变为求误差函数的最小值。其次,将简化问题进行分解:1、已知简化信道各径时延,如何计算各径功率,使得误差函数值最小;2、如何确定各径时延。对于简化信道功率参数的计算,本文给出了两种方法:最小二乘法和拉格朗日乘子法。通过对复杂度和仿真结果进行分析,得出结论:虽然拉格朗日乘子法复杂度略高于最小二乘法,但拉格朗日乘子法的估计精度优于最小二乘法。因此后续研究中使用拉格朗日乘子法进行功率参数计算。对于时延参数的确定,本文分析了四种方法:加权合并法、穷举算法、定步长搜索法和改进的粒子群优化算法。其中前三种方法均为传统简单的方法,用作对比方案。仿真分析和复杂度分析结果显示:加权合并法复杂度最低,但效果较差;穷举算法效果最好,但复杂度最高,高维情况下不适用。定步长搜索法是基于穷举算法中总结的规律优化得到的,可降低一定复杂度,但目前只适用于两径简化模型。改进的粒子群优化算法计算成本适中,且在实际信道模型的应用中有较好的拟合效果。因此使用拉格朗日乘子法和改进的粒子群优化算法分别进行简化信道功率参数和时延参数的确定,是一种可行的多径信道简化方法。然后,针对高速场景下的稀疏信道估计问题,本文提出了联合线性最小二乘法频偏估计的粒子群优化算法算法和改进的纯粒子群优化（pure Particle Swarm Optimization algorithm,pure PSO）算法。前者使用粒子群优化算法估计时延,根据得到时延,使用线性最小二乘频偏估计算法估计频偏。后者使用粒子群优化算法同时搜索时延和频偏。两种算法均在确定时延和频偏后进行复增益计算。将已知正确时延的线性最小二乘频偏估计算法作为对比方案,仿真结果表明,两种算法在估计误差以及时延和频偏估计准确率与对比方案近似,且pure PSO算法时延相等频偏方向相反的情况下,估计误差和频偏估计准确率优于对比方案。