物联网技术被认为是继计算机、互联网之后的第三次信息产业革命,旨在通过大规模物联网设备接入来实现万物互联。随着5G及6G网络通信技术的不断发展,传统的传感器节点已经无法满足实际场景的需要。首先,部分传感器无法在无源条件下工作,导致其生命周期与使用场景受限。其次,传感器的价格高昂,导致其无法实现大规模部署。反向散射技术的出现弥补了传统传感器的缺点,使得传感器具有低成本低功耗、非接触式自动识别等特点,可有效应对部分场景下的物联网需求。近年来,多种新型反向散射通信系统被提出,其中,反向阵列通信系统通过在标签端搭载反向阵列,提升了传统反向散射通信系统的性能。在反向散射通信系统中,精确的信道估计算法对系统设计起着重要作用。而反向阵列通信系统的信道估计研究仍为空白,主要难点在两方面:（1）该系统的信道特性与传统反向散射通信系统的信道特性有所不同,需要重新对其进行定义。（2）难以应用信道参数的先验概率来得到估计参数的闭式解,因为该类系统中的先验概率通常含有特殊函数。本文聚焦于反向阵列通信系统中的信道估计问题,探究了两种反向散射通信系统中的信道估计解决方案:（1）在传统的反向散射通信系统中,通过对该系统建模,分析其无线信道的统计特性,推导出了最小二乘（Least Square,LS）与线性最小均方误差（Linear Minimum Mean Square Error,LMMSE）算法在该系统中的闭式解。然后,本文推导出了该系统的贝叶斯克拉美罗下界（Bayesian Cramer-Rao Lower Bound,BCRB）。最后,通过仿真实验得到两种算法在该系统中的估计效果。（2）在反向阵列通信系统中,本文基于贝叶斯公式,提出了精度更高的信道估计算法,同时分析了该系统的信道特性与传统反向散射通信系统的差异,概括了上行链路与下行链路的信号包络所服从的概率分布。然后,推导出LS、LMMSE以及设计的估计算法在该系统中的闭式解,通过经典的极大似然（Maximum Likelihood,ML）信号检测算法,对比了基于完美信道参数以及信道参数估计值的检测效果。此外,本文推导出了该系统的贝叶斯克拉美罗下界。最后,通过仿真结果验证了设计的算法在信道估计以及信号检测中的有效性。