近年来,由于我国在经济和科学技术上的飞跃发展,促使高速铁路(HSR,High Speed Railway)和高速公路随之快速和广泛地发展。随着运行速度超过300公里/小时的HSR的大规模部署,使得HSR环境下的无线通信在全球引起了越来越多的关注,并且作为第五代(5G)移动通信网络的重要部署之一的HSR,预计在5G通信系统下可以实现在高达500km/h或者更高的移动速度下还可以为用户提供150Mbps或者更高的数据速率。然而,在未来更高速的HSR(车载速度>=500km/h)环境下,列车的高速运行会引起更大的多普勒频移,进而促使信道发生快速时变,因此信道在一个正交频分复用(Orthogonal Frequency Division Multiple Access,OFDMA)符号内的变化都不可以被忽略,在一个符号内OFDMA系统子载波间的正交性会因为信道变化而遭到破坏,从而产生载波与载波的干扰(Inter Carrier Interference,ICI),降低系统性能,这将对信号的正确传输提出更高要求。因此,为了满足未来更高速HSR通信质量的需求,必须依托于快速稳定的时变信道估计方法,通过获取的信道估计进一步消除多普勒频移对传输信号的影响。未来更高速HSR场景由于其拥有比较复杂多变的地理环境和较高的移动速度,该场景下信道会发生快速时变,这些特点导致传统的信道估计方法的不适用。本文主要以降低信道估计复杂度,提高信道估计精度为目标,基于现有时变信道估计方法,研究未来更高速HSR场景中更高效的时变信道估计方法,主体的内容和创新点如下:1、本文首先根据高速铁路环境下信道的稀疏特性,提出了一种结合位置信息的广义复指数基扩展模型(GCE-BEM,Generalized Complex Exponential Basis Expansion Model)时变信道估计方法。该方法首先采用GCE-BEM来信道建模,将对信道的估计转换成对基系数的估计,降低了计算复杂度,并推导证明采用GCE-BEM方法建模可以降低载波间干扰;其次根据信道的稀疏性,利用列车的位置信息确定主要基系数,通过对主要基系数进行估计获取OFDMA符号上所有载波的信道信息,进一步减少计算复杂度与相邻子信道间的干扰,并增加信道估计精确度。理论分析与仿真结果显示,该方法可以显著地提高信道估计精度,且具有低计算复杂度。2、本文针对高速铁路多输出正交频分复用(Multiple-Output Orthogonal Frequency Division Multiplexing Access,MIMO-OFDMA)系统,提出了一种基于历史信息的软卡尔曼滤波迭代时变信道估计方法。根据HSR环境中不同列车在相同位置处经历的信道具有很强的相关性,该方法首先利用历史列车的信道信息来获取最优基函数,并采用该基函数对信道进行建模,将对信道的估计转换成对基系数的估计,降低了信道估计的计算复杂度和提高了信道估计精度。其次,该方法在每次迭代中对基系数的估计采取软卡尔曼滤波和数据检测联合的方法;为了更好地减少数据检测误差传播的影响,采用了基于似然比信息判决的方法来获取精度更高的检测数据,并在每次迭代中将此检测数据的检测误差作为噪声进行处理。此外,该方法中采用的软卡尔曼滤波器不涉及AR模型跟踪因子,从而避免了估计跟踪因子引入的计算复杂度。仿真结果表明,该方法比现有方法具有更好的估计性能,且更适用于实际的高速移动场景的时变信道获取。