进入21世纪以来,对于量子计算的研究吸引了广泛的目光,量子计算所具有的优势让很多学者将其应用到信息化时代的的各个领域当中。量子计算可以有效地提高经典算法的运行效率。最近研究者将量子计算应用到传统通信领域中,将经典通信信号处理方法以更低的时间复杂度实现。使得基于量子计算相关的无线通信领域有了全新的实施方案。本文首先研究了量子力学基本原理,量子门中的三类量子门:单量子比特门、受控比特门和通用量子门,分析了量子线路的图形表示和与经典线路图的区别。本文还研究了几种基础的量子算法和算法所对应的线路图,包括哈密度量模拟、量子傅里叶变换、相位估计和量子交换测试。这些研究工作是后续针对无线通信系统中信道预测所提出算法的理论基础。后续研究中将经典信道预测算法进行量子计算实施,利用量子叠加态和量子高并行性计算的特性对信道预测算法进行时间上的加速,且预测性能与经典算法一致。本文针对经典无线通信系统中的信道预测算法计算复杂度较高的问题,提出了基于量子奇异值估计方法的量子极限学习机(ELM)算法。论文首先研究了极限学习机算法和所适用的信道模型。接着研究了二叉树数据内存模型。以及量子奇异值估计方法。主要研究了量子奇异值估计方法的原理和步骤,并分析了算法的性能和复杂度。最后提出了基于量子奇异值估计方法的ELM信道预测算法并给出具体步骤,分析了该算法的时间复杂度。本文针对无线通信系统中自回归(AR)信道预测算法计算复杂度较高的问题,提出了基于量子线性系统算法的无线信道AR预测算法,即量子自回归模型信道预测算法。本文中提出的量子自回归模型信道预测算法通过量子线性系统算法来优化AR算法中复杂度较高的部分。本文首先将量子奇异值估计方法应用到量子线性系统算法中,从而避免了其他量子线性系统算法所需要的必要条件。接着将提出的量子线性系统算法应用到AR信道预测算法中。本文对量子线性系统算法和量子AR预测算法的原理和步骤进行了研究,对算法的性能和复杂度进行了分析并对比了算法的时间复杂度。与经典的算法相比,量子算法可以进行多项式级加速,并且在一定条件下可以有指数级的加速。因此量子算法相比经典算法在算法性能没有损失的条件下复杂度降低显著。