随着科学技术的发展,移动通信技术也是与日俱新。现今认知无线电以及超宽带技术的发展,导致了对采样技术的要求越来越高,如果按照原来的奈奎斯特采样定律,那么至少需要两倍的信号带宽的采样速率,这是对频谱资源的浪费,也是对模拟数字转换器的苛刻要求。压缩感知理论的横空出世,给这一切带来了希望。压缩感知的前提是信号的稀疏性。而信道稀疏性的证明更是给压缩感知理论应用于信道估计提供了理论可行性。本文主要研究了基于正交频分复用和多输入多输出的正交频分复用信道的信道估计。通过引入压缩感知技术,极大的降低了信道估计所需要的导频数目,从而增大了频谱资源利用率。首先本文介绍了无线信道的衰落特点和传播模型,分析了OFDM和MIMOOFDM的技术原理以及压缩感知在信道估计上运用的可行性。之后本文研究了压缩感知的几种常用算法进行稀疏信道恢复的同时提出了一种改进的压缩采样匹配追踪算法,经仿真验证了基于压缩感知的信道估计只需要更少的导频数目就可达到很好的重构效果。而本文提出的改进的压缩采样匹配追踪算法跟稀疏度自适应算法比较而言,误比特率大概有1dB的增益。最后本文进一步研究基于贝叶斯理论的压缩感知信道估计。在将贪婪类算法用于重构基于贝叶斯压缩感知的信道估计后,提出了改进的贝叶斯算法和改进的稀疏度自适应的贝叶斯算法,并且验证了贝叶斯压缩感知算法较正交匹配追踪算法误比特率有大概1dB的改进,而改进的贝叶斯压缩感知算法较贝叶斯压缩感知算法也大概有1dB的增益,同时改进的稀疏度自适应的贝叶斯压缩感知算法较稀疏度自适应算法有大概3dB的增益。