准确的信道状态信息是数据可靠接收的重要保证，信道估计作为无线通信系统的关键问题一直是无线通信领域的研究热点。传统奈奎斯特（Nyquist）采样定理支配下的信道估计方法，导频开销较大，估计准确性和算法性能还有待进一步改善。未来通信正朝着宽带化和高速化发展，对信道估计技术的有效性和准确性提出了更高的要求。压缩感知（Compressed Sensing）理论的突破和发展，为无线信道估计带来了新的发展机遇。在该理论的指导下，根据无线信道的内在稀疏性，将压缩感知理论框架中的重构算法应用于信道估计，可大大降低导频个数，提高频谱效率，改善估计性能。宽带无线通信中基于压缩感知的信道估计研究具有重要的理论意义和应用前景，因而备受关注。本文首先引入宽带无线通信技术和压缩感知的研究背景，接着介绍了涉及的基本概念、原理及基础理论。重点研究了压缩感知理论中的正交匹配追踪（Orthogonal Matching Pursuit）信道估计方法，通过研究分析已有正交匹配追踪算法的局限性，给出一种基于噪声方差的正交匹配追踪算法(Orthogonal Matching Pursuit based on Noise Variance)，该算法不仅可以自适应检测信道路径个数，适用于非整数倍路径时延系统，而且算法鲁棒性及估计性能也得到进一步提高。接着研究了时间选择性信道在多普勒域的稀疏性，并采用基于压缩感知的方法进行信道估计，分析了导频分布对估计性能的影响。此外本文还将压缩感知应用于多天线系统的信道估计，研究结果表明，基于压缩感知的方法所需的导频个数可以不随发送天线的个数线性变化。然后在多载波系统下，研究了时频二维选择性信道在时延-多普勒域的稀疏特性，并对基于压缩感知的估计算法与传统最小二乘（Least Square）算法的估计性能进行了仿真比较。结果表明，基于压缩感知的方法在降低一半导频开销的同时，可以进一步提高估计准确度，具有明显的优势。