随着多媒体移动通信等新业务的发展,频谱资源日益紧张。人们持续增长的需求与有限频谱资源之间的矛盾成为研究高频谱利用率技术的动力和挑战。众多新技术中,基于多天线的多入多出无线通信结构已显示出无尽的潜力,成为充分利用空间资源的必然途径。它可以在不需要增加带宽和发射功率的条件下,大幅度的提高无线通信系统的信息容量和传输速率,从而提供远高于传统单天线系统的频带利用率。要实现一个多输入多输出(MIMO)系统,在接收端除了需要低复杂度高性能的检测算法外,还需要对MIMO信道进行精确的估计。由于MIMO信道的参数远多于传统单输入单输出(SISO)的信道,因此信道估计的复杂度明显增加,给接收机的实现带来了困难。粒子滤波是一种基于递推计算的序列蒙特卡罗算法,它采用一组从概率密度函数上随机抽取的并附带相关权值的粒子集来逼近后验概率密度,从而不受非线性、非高斯问题的限制,是当前处理非线性非高斯问题的主要方法。本论文的重点就是在已有成果的基础上,对粒子滤波算法进行了研究,并将其应用于多输入多输出信道估计中。本文在研究无线信道特点的基础上,首先对无线MIMO系统的信道模型、信道容量、信道估计算法三个主要方面涉及到的有关理论进行了研究。并分析了MIMO信道的特征,建立了数学模型,介绍了常用的MIMO信道估计算法。然后在介绍贝叶斯理论和蒙特卡洛方法的基础上,引入了粒子滤波。通过建立MIMO系统信道估计的状态空间模型,将粒子滤波应用到该模型中,得到了基本的粒子滤波信道估计算法。最后仿真分析,比较了粒子滤波信道估计算法与传统信道估计方法的性能。仿真结果表明,与传统的信道估计方法相比,粒子滤波算法在降低计算量的同时,可以减少误码率和最小均方误差,证明了本文采用粒子滤波算法的优越性。