随着毫米波通信技术在5G移动通信中的应用研究,其带来的挑战也受到研究学者的关注。由于毫米波通常采用定向传输,面向移动场景,系统的鲁棒性是它的一个重大挑战。为了保证高质量的通信性能,我们在通信过程中需要对毫米波的波束做到实时的跟踪。首先,论文概况了毫米波波束方向估计技术的发展和现状,介绍了信号模型和信道模型,给出了波束估计的基本数学模型。然后简单介绍了利用波束形成技术和经典的超分辨率空间谱估计算法。接着,通过仿真对比了两种精细波束估计方法,即梯度下降法和牛顿搜索法,并对其收敛性进行了对比分析。然后,论文研究了基于扩展卡尔曼滤波算法的自适应波束跟踪技术,完成在导频信号不足的情况下,采用迭代的方式对待估计信号源的角度做一个自适应估计,提高波束跟踪的性能。论文将现有的扩展卡尔曼滤波跟踪技术应用于毫米波二维面阵,并考虑相噪和角度的联合跟踪。最后,通过仿真,分别给出了扩展卡尔曼滤波在采用线阵和面阵下的波束跟踪性能。接着,论文将期望最大化(EM)算法及改进的空间交替广义EM(SAGE)算法应用于毫米波的角度估计问题。这两种算法避免了最大似然(ML)算法参数估计的多维搜索,简化了计算复杂度,同时改进了精度。最后,通过仿真实验比较了两种算法的估计性能和收敛性。最后,考虑到毫米波系统的大带宽特性和模拟波束扫描带来的效率下降问题,论文研究了盲波束跟踪问题。我们将马尔科夫链蒙特卡罗(MCMC)算法应用于毫米波系统的联合波束跟踪和信号检测。仿真结果表明,该方法可以在获得较好的跟踪性能和符号检测性能。