为了满足未来移动通信业务的发展要求,采用多输入多输出(MIMO)技术来提高通信容量的方法正引起越来越多的关注。尽管Bell实验室已实现了世界上第一个采用MIMO技术的V-BLAST系统,但国际公认的MIMO通信标准尚未形成。无线信道的研究是无线通信的关键,MIMO系统也不例外。一个可靠的具有高性能的无线通信系统,必须根据信道的特征加以设计,例如在接收端,一般都需要精确的信道估计,以使信号检测得以可靠进行。由于MIMO信道相对于SISO信道的复杂性,实现MIMO传输系统的主要困难之一就是MIMO信道估计。因此,对其进行充分的研究,对设计合理的MIMO传输方案是非常关键的。一般认为MIMO系统中任意发送天线和任意接收天线间形成单个子信道,多个子信道之间往往不是完全独立的,而是存在一定的相关性。在本论文中,为了简化MIMO信道估计,作者假定了各子信道完全独立的理想条件。本论文的主要工作是在介绍MIMO系统和无线信道特征的基础上,作者基于单载波FIR时不变MIMO无线信道模型给出了几种信道估计方法并通过实验仿真证明其有效性。第三章给出了传统的发送训练序列估计信道的方法,基于最大似然准则,并利用最小二乘(LS)原理估计出信道参数。并给出一种新的标度最小二乘(SLS)方法来提高精度。但是这里的训练序列不是随机的,而是经过专门设计的优化序列,它们能够使估计出的MIMO信道尽可能精确。最近,有学者提出隐训练序列的方法,将用户信息与周期训练序列进行叠加,然后再发送。在接收端利用训练序列的周期性,构造一阶统计量对信道进行估计。这种方法无需为训练序列分配时隙,因此不会有带宽的损失,基于一阶统计量,估计的收敛速度明显提高,而其所需的代价是发送信号的能量有所增加。本论文的四、五两章在这方面进行了研究,其中第四章针对SISO系统提出了一种快速信道估计算法;第五章研究了基于一阶统计量的叠加训练序列的半盲信道估计方法,并结合检测结果来提高估计的精度。本论文主要涉及非盲和半盲的信道估计方法。叠加训练序列的信道估计之所以引起人们关注是因为其频谱效率高,计算量小,因此本论文的研究重点是基于一阶统计量的叠加训练序列的信道估计,采用最小二乘方法,针对不同训练序列在算法的复杂度方面进行改进,并寻找最优的周期序列以提高估计的精度,达到了较好的效果。