在无线通信系统中,要想提高无线通信的可靠性,必须充分了解无线信道。无线电波的传播环境不同,信道的特性也会发生变化。受障碍物的影响,信号到达接收端导致多径衰落的产生。近年来,正交频分多址复用(Orthogonal Frequency Division Multiplexing,OFDM)技术应用广泛。同时,列车的快速移动会产生多普勒效应,造成信道的时域选择性衰落。针对时频双选信道,估计庞大的信道系数需要大量的导频子载波,结合信道的稀疏性,应用压缩感知(Compressive Sensing,CS)技术实现信道估计可以减少需要的导频子载波的数目。但是,在高铁场景下周围环境快速变化,信道呈现动态特性,这导致传统的信道估计方法结果不尽如人意。为了准确地对动态稀疏信道进行信道估计,本论文结合信道系数的联合稀疏性和动态特性主要从以下两个方面展开,并取得一定的成果和结论:一、在多符号场景下,稀疏信道动态变化影响信道估计算法性能。本文针对此问题,结合信道的联合稀疏性以及时间相关性,设计了一种基于压缩感知的信道估计算法。首先,利用复指数基扩展模型(Complex Exponential Basis Expansion Model,CE-BEM)以及分布式压缩感知(Distributed Compressive Sensing,DCS)技术建立系统模型;然后,考虑到信道的动态性:当前时刻会有新产生的或是消失的非零信道抽头,利用信道的时间相关性,捕获多径的这一动态变化,确定信道稀疏度;最后,利用系数在不同BEM阶数间的联合稀疏性,联合恢复信道信息。二、本文针对多符号多天线场景下动态稀疏信道的估计问题,设计了一种适用于大规模的信道系数的估计算法。首先,利用CE-BEM模型对信道系数进行基变换,然后根据在不同的发射-接收天线对以及不同的BEM阶数间的CE-BEM系数向量的联合稀疏性,重新排布系数成块状结构,结合DCS技术建立系统模型。针对信道的动态变化,利用时间相关性,确定实际稀疏度。最后,利用CE-BEM系数的块稀疏性,联合恢复信道信息。最后,本文对上述两个方面的研究工作进行总结,并提出了未来的研究方向。