可见光通信作为光无线通信系统的一个新兴领域,近年来受到越来越多的关注。正交频分复用（OFDM）作为提高频谱效率的一种有效技术已被用于可见光通信系统中。然而,可见光通信系统中由多径效应引起的码间干扰、以及LED本身的带宽受限等非理想传输问题严重影响了可见光通信系统的发展,限制了数据的高速传输速率,影响了整个通信系统的性能和稳定性。针对所提出的问题,本文将采用信道估计和均衡技术改善可见光通信系统中的非理想传输性能——降低数据的误码率,提高系统的传输速率。本文的主要创新点如下:首先,本文提出了一种基于室内可见光通信的人工神经网络（ANN）自适应信道均衡技术,通过构造人工神经网络均衡器,将均衡问题转化为分类问题,并利用了 ANN的拟合和预测的性质,对接收的信号序列进行均衡处理。仿真结果表明,与传统均衡器相比,在使用ANN均衡器后,均方误差约有3～4个数量级的降低。除此之外,在同样的传输条件下,ANN均衡器能用更少的训练序列（TL）得到更优的误码性能,降低了系统的复杂度,提高了吞吐量。当数据传输速率为200Mbit/s、SNR=25dB时,ANN线性均衡器只需要使用长度为200个比特的训练序列就能达到传统线性均衡器使用1000个比特的训练序列的误码性能;当TL=500时,ANN判决反馈均衡器的误码率性能与传统均衡器在TL=2000时的性能相当。结果表明,信息传输速率越高,ANN均衡器的优势越明显,这证明ANN均衡器比一般的均衡器更能满足高速可见光通信系统的需要。其次,本文设计了一种适用于室内可见光OFDM系统的改进的DFT信道估计算法,将循环前缀中的绝大部分噪声滤除。针对可见光通信OFDM系统的不同基带调制情况,对比分析了使用LS信道估计算法、DFT信道估计算法和改进的DFT算法后的系统性能。仿真结果表明,无论采用BPSK调制、QPSK调制、16QAM调制还是32QAM调制,使用改进的DFT信道估计算法后的系统性能都是最佳。且调制阶数越高,改进的DFT算法相较于其他两种算法而言的优势越明显。