近年来压缩感知CS(Compressive Sensing)研究取得了很大进步,并被广泛利用到信息论、模式识别、雷达成像、信号处理,图像处理以及无线通信领域。该理论应用原始信号的稀疏先验信息,通过不同的稀疏重建算法来恢复原始信号。目前CS的理论研究已经包含了分布CS理论,1-BIT CS理论,Bayesian CS理论,基于模型的CS理论等等。在无线通信中,无线电波在空间中传播,由于受到周围物体的影响而发生折射、衍射和散射,形成多径效应。在多径信道中,其冲击响应系数中的大多数分量为零,或者接近零,这种信道通常称之为稀疏多径信道。在现实的无线通信中,这种信道是经常存在的,如高清数字电视,多丘陵地区的无线通信和水下声音通信。信道估计在雷达和无线通信领域占有重要的地位,对于稀疏多径信道的估计,由于其冲击响应是稀疏的,传统的估计方法不能取得好的估计效果,这就需要新的估计方法。本文将CS理论应用到稀疏多径信道的估计中,除了将经典的CS算法,如BP、MP、OMP外,还将1-BIT CS理论应用到了稀疏多径信道的估计中。稀疏多径信道可以利用较少的训练序列恢复出来,但是当多径稀疏息道具有较大的时间延迟和很少的训练序列时,信道估计的结果就会受到原子间的干扰。为了降低原子间的干扰,本文将感知字典的方法,利用到基于1-BIT CS理论的信道估计,从而提高信道估计的效率。