在MIMO-OFDM系统中,信道估计技术决定了系统的编解码和均衡能否准确的进行,它是系统获取信道状态信息所必须的,因此信道估计技术对系统性能的影响是至关重要的。本文对MMO-OFDM系统的信道估计问题进行了探讨,并重点研究了MIMO-OFDM系统中的基于导频的信道估计方法。首先对无线信道的衰落特性进行了描述,接着对MIMO系统在不同天线数目和不同分集方式下的系统容量进行了分析,并且研究了MIMO系统中常用的三种空时编码,对其进行了技术分析和性能的对比。接下来对OFDM系统的原理、模型及其关键技术进行了分析。通过对MIMO和OFDM系统的分别研究,最后建立起基于空时编码的MIMO-OFDM系统模型。然后,本文从平坦衰落信道下的导频信道估计算法的研究出发,对时变信道下的导频估计算法进行研究和探讨。在平坦衰落信道下,对常见的一些算法,如LS,MMSE,LMMSE算法进行了分析,引入了LS算法的一种加窗算法和一种新的基于LMMSE算法的递推估计算法。然后根据以上的研究结果,建立起基于MIMO-OFDM系统快速时变信道的信道模型。针对当前应用广泛且性能较优的维纳滤波法所存在的不足,引入了卡尔曼滤波方法。考虑到无线信道偶有非线性特征,本文利用扩展卡尔曼滤波(extended Kalman filter,EKF)算法能将非线性系统线性化的特点,将其应用到MIMO-OFDM系统的信道估计中。并针对扩展Kalman滤波器在系统达到平稳状态时,将丧失对突变状态的跟踪能力这一大缺陷,设计了一种闭环式,具有强跟踪能力的扩展Kalman滤波器,以求达到提高估计精度的目的。为了达到强跟踪滤波器的性能,本文采用时变的渐消因子对过去的数据渐消,通过实时调整状态预报误差的协方差阵及相应增益矩阵,减弱老数据对当前滤波器输出值的影响。最后,本文根据未来移动通信系统对实时性要求的不断提高,将自适应滤波算法引入到了MIMO-OFDM系统信道估计中,并分别对最小均方(LMS)和递归最小二乘(RLS)自适应滤波算法在MIMO-OFDM系统的应用进行了研究分析,为今后自适应算法在该领域中更进一步的研究奠定了基础。