地空通信系统是无人机(Unmanned Aerial Vehicle,UAV)的重要组成部分,实现机上任务载荷与地面控制站之间的信息交互,宽带化是其发展的趋势之一。而正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)作为新一代无线移动通信系统的核心技术之一,能够有效应对无线信道的频率选择性衰落,并且频率利用率高,可以满足当前无人机地空下行链路大容量数据传输的需求。无人机地空信道不仅具有频率选择性衰落特性,而且随着飞行状态和周围环境的变化,又具有时变特性,这种时间频率双选择性衰落,严重影响了信号的传输。因此,对于完成相干解调和保证信号传输质量而言,信道估计是必需的。目前,针对无线OFDM系统高速移动环境下的信道估计已有一些研究成果。然而,传统的频域信道估计方法,在大时延场景下,需要导频数量很多,降低了系统传输速率。近年来提出的基于压缩感知(Compressive Sensing,CS)理论的信道估计方法,尽管可以在很大程度上节省导频开销,但在导频设计、子载波间干扰(Inter-Carrier Interference,ICI)消除以及稀疏重构算法时效性改进等方面都有待进一步研究。本文以无人机地空通信系统为应用背景,对基于CS的信道估计方法中导频设计、线性时变(Linear Timer-Varying,LTV)信道模型下的稀疏重构方法、ICI消除以及对稀疏重构算法的改进等问题进行了研究,具体包括:第一,研究了无人机地空信道的数学模型和稀疏特性。在已有对无人机地空信道参数测量的基础上,对信道模型和参数生成方法进行了完善,为后续方法提供了验证模型。并且,对其在不同时延、不同系统采样速率下的稀疏特性进行了分析,验证了其抽头在时域上具有明显的稀疏性,为应用CS理论进行信道估计提供了依据。第二,提出一种新的双准则下基于循环并行树的导频优化算法。在研究比较不同测量矩阵互相关性定义下的导频设计准则后,发现使用现有任何一种准则都存在局限性。所提出的导频优化算法,在循环迭代过程中,使用计算量较小的传统导频设计准则对导频逐位优化,即最小化测量矩阵不同列内积的最大值,每次迭代后,采用新准则确定下次迭代的各分枝初始节点,即考虑测量矩阵所有列的整体互相关性,若任何一种指标都不再变小,则迭代结束。第三,提出新的LTV信道模型下的稀疏重构方法。无人机地空信道符合LTV信道模型,即抽头增益在连续多个OFDM符号周期内随时间线性变化。基于此,将时变信道下的OFDM信道估计问题,转换成一个经典的CS模型,完成对一个符号周期内抽头增益均值的重构,或基于分布式压缩感知(Distributed Compressed Sensing,DCS)理论对连续多个符号周期内的抽头增益均值进行了联合稀疏重构。然后,利用前、后两个相邻符号内抽头增益均值,计算出当前符号周期内抽头增益变化斜率;最后,根据LTV模型下的OFDM系统传递关系,或者ICI迭代消除方法进行均衡,恢复发送数据。第四,提出一种新的LTV模型下的ICI消除方法。推导出LTV模型下ICI的频域表达式,在对其特点分析的基础上,提出一种基于导频编码的稀疏信道重构模型和相应的分组导频优化算法,特殊的导频对结构能明显消除未知数据子载波对导频的干扰,还确保了OMP算法的稀疏重构精度;同时,提出一种低复杂度的ICI迭代消除算法,利用LTV信道模型中ICI的特点,将传统迭代消除法中复杂的矩阵运算变为查表和若干次乘法运算,在保证性能的前提下,降低了计算量。最后,提出基于搜索空间预处理的改进OMP算法。根据信道非零抽头位置在相邻符号周期内的变化特性,利用前一个符号的信道估计结果,计算出当前符号下非零抽头位置的分布概率,并依此将OMP算法的搜索空间分成优先搜索集合和补充搜索集合。在迭代寻找稀疏位置的过程中,由于相邻符号周期内的信道抽头具有很强的相关性,因此绝大多数的迭代都是使用优先搜索集合,明显降低了计算量;最后,根据邻近两次迭代后残差差值的变化特点,找出合理的阈值,作为搜索空间切换和迭代终止的依据,实现了对新增突发抽头和稀疏度的自适应。