自然界中的信号往往是由大量影响因素中的少数因素来决定的，这种属性可以看作是信号的稀疏性，通过合适的度量和表示方法就能够发掘利用其稀疏性。压缩感知技术通过利用这种稀疏性，利用随机采样来显著减少采样数实现信号的有效获取。在无线通信过程中，也大量存在着稀疏性。比如，在某些无线信道中，往往只存在着少数几条主径，因此其信道存在着稀疏性；在基于码本的信道反馈过程中，只反馈众多码字中的单个码字序号，因此信道反馈过程中存在稀疏性；在下行多用户调度过程中，往往只有少数几个用户需要在同一时间被调度，因此激活调度用户存在着稀疏性；在上行多用户传输检测过程中，只有少数用户在同一时间传输信号，因此传输信号具有稀疏性。在无线通信过程中，通过发掘利用这种稀疏性来优化改进无线通信技术可以有效提高系统通信效率，并提高系统的性能。因此，研究基于稀疏特性的无线通信技术对于未来无线通信系统设计具有重要意义。在本文中，我们将以MIMO无线通信中存在的稀疏性和稀疏现象作为切入点，利用压缩感知技术对在MIMO信道估计、信道信息反馈、下行多用户调度和上行多用户检测过程中存在的稀疏信号的优化、检测和传输技术进行研究，提出基于压缩感知技术的高效的MIMO无线通信方法。论文的主要内容概括如下：1.在MIMO信道估计过程中，分析了非选择性无线MIMO信道的空域表示形式及其稀疏性，提出了一种基优化算法来减少泄露效应的影响从而增强MIMO信道的空域稀疏性，并利用这种优化基在空域内利用压缩感知算法进行MIMO信道估计。通过仿真和分析验证了基优化算法的有效性。在空域稀疏的MIMO信道估计中，相比于MMSE和LS方法，基于优化基的压缩感知信道算法可在相同的导频数量下达到较好的性能。2.在MIMO信道信息反馈中，利用稀疏近似的方法来对信道矢量进行表示，并通过压缩感知对稀疏表示后得到的稀疏矢量进行分步压缩和反馈。分析比较了采用数字反馈、模拟反馈和混合反馈的性能，并与基于随机码本量化的反馈方法进行了比较。仿真和分析表明，采用Grassmanian码本来进行稀疏近似具有较好的效果。在低信噪比区域，数字压缩反馈的速率优于模拟压缩反馈的速率；在高信噪比区域，模拟压缩反馈的速率要优于数字压缩反馈的速率。本方法可以有效提高系统的速率性能，而且反馈开销主要和稀疏近似所选择的原子的数目相关，与天线数目无关，因此在天线数目众多，尤其是在Massive MIMO中具有一定的应用价值。3.在MIMO下行多用户调度过程中，通过发掘在多用户MIMO中激活用户的稀疏性，我们提出了一种频分复用条件下的资源有效的基于压缩感知的用户调度与反馈方法。通过用户自选择算法，只有部分用户参与上行信道信息反馈过程，从而减少上行反馈资源的开销。由于通过压缩感知恢复可以检测出参与反馈的用户，从而减小了信令开销。仿真结果表明压缩感知模拟反馈的系统吞吐量要优于相同用户数进行码本量化的数字反馈的系统吞吐量，但是消耗的上行反馈资源更少；压缩感知数字反馈与所有用户都进行数字反馈的系统吞吐量非常接近，但是消耗的反馈资源要小于所有用户都进行数字反馈的情况。4.在MIMO上行多用户检测过程中，利用压缩感知的处理框架来进行MIMO通信中的稀疏用户检测，提出了直接维度扩展和分集维度扩展的方法，并分析了通信信号的离散性对于压缩感知恢复的影响。通过利用激活用户的稀疏性，可以采用比传统CDMA中更短的扩频码来进行多用户标识；在分集维度扩展模型中，由于利用了系统的维度，比如多天线，可以使扩频码长度进一步减少。在信号的检测算法中，我们提出了2-stage MMSE的检测算法，通过仿真分析，可以看出在激活用户很少或者扩频码较长的时候，本文提出的方法要优于直接使用MMSE算法，也要优于使用OMP、SP和CoSaMP算法。