自适应调制编码(Adaptive Modulation and Coding, AMC)是HSDPA的关键技术之一。在TD-HSDPA系统的AMC实现过程中,需要解决以下三个问题：1)如何提高信道测量的准确性；2)如何根据接收端的信噪比(signal-to-noise ratio, SNR)选择合适的调制编码方式(Modulation and Coding Scheme, MCS);3)如何补偿反馈时延带来的性能损失。本文主要研究了后两个问题。首先针对第二个问题,目前广泛应用的基于SNR的MCS选择算法主要是“基于SNR的固定门限值判别法”。该方法需要仿真每一种MCS的性能,从而得到MCS的切换门限值。对于TD-HSDPA系统来说,传输块与调制方式的组合非常复杂,需要的仿真量很大。因此本文从减少仿真量的角度出发,给出了一种适用于TD-HSDPA系统的SNR与CQI (Channel Quality Indicator,信道质量指示)的映射方法。此外,由于“基于SNR的固定门限值判别法”得到的调制编码方式的切换门限值是在特定场景下的,用于实际信道环境中时,这种映射关系可能并不准确,需要进行一定的调整。传统的集中式和分散式门限值调整算法无法同时兼顾收敛速度和门限值的波动幅度。因此本文提出了一种根据误块率确定调整步长的门限值调整方法,该方法采用了“粗调整＋微调整”的思想,利用误块率确定调整步长,同时兼顾了收敛速度和达到最优门限值后的波动幅度。随后,针对反馈时延对系统性能的影响,最常见的解决方案是信道预测。文献[39]提出一种利用基于NLMS算法的自适应滤波器进行预测,但该方法实现复杂且在高速移动环境下或预测步长较大时,由于信道相关性很弱,性能并不好。还有一些信道预测算法,例如：基于AR模型的信道预测、卡尔曼滤波器等实现都较为复杂且在高速移动环境下性能都不佳。因此,本文提出了一种简单的适用于不同终端移动速度的CQI预测算法。该预测算法在高速移动环境下预测误差和吞吐量性能都比不预测和AR模型预测算法好。