在现代无线通信系统中,发送端大都需要接收端对于信道质量的测量反馈。而时变信道的反馈延时会严重影响发送策略的选取,降低系统的总体性能。一种有效的克服信道延时的方法是信道预测。在多输入多输出(multiple input multiple output, MIMO)系统中,如果发送端或者接收端天线之间存在相关性,那么利用信道间相关性可以有效的改善信道预测性能。在多输入多输出-正交频分复用(multiple input multiple output orthogonal frequency division multiplexing MIMO-OFDM)系统中,时、频、空相关性对信道预测有很大的帮助作用。尽管已经有文献对考虑时频相关性的多载波单输入单输出系统信道预测算法和考虑空时相关性的单载波多输入多输出系统信道预测算法进行研究,但是没有文献对同时考虑空,时,频相关性的MIMO-OFDM系统信道预测算法进行研究。本文针对此主要研究如何有效的利用MIMO-OFDM系统的时、频、空相关性提高信道预测性能并同时保持算法复杂度较低。本论文主要有以下三部分贡献。一、提出了一种频域MIMO-OFDM信道预测算法。该方法在频域上建模,有效利用空域、时域、频域相关性并同时保持计算复杂度较低。首先,信道相关性被解耦成时间、频率、空间三个独立部分之积。其次,基于相关函数去耦合的性质,利用三个一维预测器分三步进行预测,三个预测器分别仅考虑时间、频率、空间相关性。仿真结果显示,本文提出的算法可以实现预测性能和算法复杂度的有效折中。二、提出了一种时域MIMO-OFDM信道预测算法。该方法首先提出了一个考虑时间和空间相关性的MIMO-OFDM时域信道预测算法的框架。通过FFT/IFFT,多载波MIMO信道预测问题转化为单载波MIMO的信道预测问题。其次,基于MIMO-OFDM时域预测框架,提出了两种窄带MIMO预测方法。这两种方法都是通过选择合适数据建立AR (auto-regressive)模型,但是选择数据的方式不一样。第一种预测方法被称之为FSS (forward-stepwise subset)方法,通过最小化预测模型的MSE (mean square error)来选择模型数据。第二种预测方法被称为RCFSS(reduced-complexity FSS predictor)方法,以一种启发式的方法选择数据建立AR模型,相比FSS方法其计算复杂度更低。这两种方法都可以有效的利用空时相关性改善预测性能。三,为了进一步研究预测算法的应用,本论文所提预测方法结合预编码被应用到多用户MIMO-OFDM系统中。研究表明,当信道变化快时,信道延时将导致系统性能损失,而本文所提信道预测方法可以有效的克服信道延时。