正交频分复用(OFDM)凭借良好的抗多径能力和高频谱效率的优势,近些年来受到广泛关注。而在OFDM系统中,无线信道的时间色散特性和时变性会导致接收信号发生失真。为了能够准确地恢复发送信号,需要估计信道。在众多信道估计方法中,基于粒子滤波的时变信道半盲估计方法凭借其广泛的适用性和良好的性能备受青睐。本文从粒子滤波算法入手,研究了基于粒子滤波的OFDM时变信道估计方法。主要内容如下：1.从贝叶斯滤波入手,阐述了粒子滤波的基本思想和算法流程；详细探讨了算法的两大难题—重要性函数的选取问题和重采样算法；重点分析了三种改进算法—EPF、UPF和PF-MCMC;并在非线性非高斯模型下对几种滤波算法进行了仿真比较。仿真结果表明,UPF算法在增加适当复杂度的基础上,可获得较好的估计性能。2.将UPF算法应用到OFDM时变信道估计领域中,提出了一种基于UPF算法的OFDM时变信道估计方法。该方法将时变信道建模为—阶确定参数AR模型,然后利用UPF算法,结合观测方程动态地估计时变信道状态。并对其进行了仿真验证。仿真结果表明,在高斯和非高斯环境下,该方法均可以获得比基于PF算法的信道估计方法更高的估计精度和更好的系统性能。3.提出了一种基于粒子滤波的OFDM时变信道模型参数和信道状态的联合估计方法。该方法将AR模型中的系数假设为动态未知的参数,结合核平滑技术和粒子滤波算法实现联合估计。并对其进行了仿真验证。仿真结果表明,与采用确定参数AR模型的基于PF算法的信道估计方法相比,该方法在估计精度和系统性能上均有明显改善：而和与其性能接近的采用确定参数AR模型的基于UPF算法的信道估计方法相比,该方法可大大降低运算复杂度。