现今,海洋科学是世界各国竞相发展的主要学科之一,但复杂的水下通信环境给海洋科学的探索带来了极大的阻碍。为能有效的解决水声信道复杂的时-空-频变特性,准确的水声信道估计技术就显得极为重要。在水声信道的模型研究中已表明,水声信道的冲激响应具有一定的稀疏性,而压缩感知技术主要就是针对稀疏信号的处理,因此基于压缩感知的水声信道估计技术便成了研究的主流。但随着对压缩感知技术的研究逐渐成熟,为进一步提升水声信道估计算法的估计性能,便有研究人员尝试引入一些已知的信道先验信息来改进传统的估计算法。目前常用水声信道先验信息包括:基于信道簇稀疏的块内相关性和基于信道缓慢时变的时间相关性。为分析目前主要的压缩感知水声信道估计算法,本文以水下正交频分复用系统为背景,从传统稀疏估计算法出发,重点研究基于信道相关性的水声信道估计算法。本文首先对水声信道模型进行研究,论文重点关注BELLHOP水声信道模型和统计水声信道模型。在BELLHOP模型仿真中,将真实的水下声速数据和模拟产生的海洋表面及海底数据引入到BELLHOP模型中,从而产生较为真实的水下信道模型。但BELLHOP模型无法体现水声信道的时变特性,因此本文还研究了统计水声信道模型,用于产生不同时隙下的水声信道,为之后算法的研究做好先验性准备。其次针对块内相关性的水声信道估计算法,本文推导出了新的块正交匹配追踪（Block Orthogonal Matching Pursuit,BOMP）算法的迭代停止阈值。同时为降低传统拓展类算法的计算复杂度,本文还提出了分块拓展的改进方法,该方法能有效的降低拓展类算法的计算复杂度。最后在块内相关性算法的仿真实验中,本文发现在未知水声信道大部分信息的前提下,使用拓展块稀疏贝叶斯算法能保证系统拥有最佳的估计性能。针对时间相关性的水声信道估计算法,本文提出了改进卡尔曼滤波压缩感知（Kalman Filtered Compressed Sensing,KF-CS）算法,该算法去除了传统KF-CS算法中使用其他方法来判断可变支撑集的过程,而是利用水声信道的簇状结构来判断候选支撑集。仿真实验也证明利用多个信道之间的时间相关性能有效的提升传统算法的估计性能,并且本文提出的算法也能有效的降低传统KF-CS算法的运行时间。