自适应技术是提高MIMO系统性能的关键技术,而这些技术都需要提前知道收发端的CSI。实际系统中,反馈时延和信道时变特性会导致CSI过时,从而损失信道容量。信道预测是一种基于历史CSI来预测未来CSI的一种技术,可以有效地弥补过时CSI所导致的信道容量损失,提高系统性能,因而成为近年来研究的热点。本文针对不同信道模型的特点,研究了相应的信道预测算法,主要贡献和创新为:1、提出了一种适用于3D PRC信道模型的改进的多维ESPRIT信道预测算法。3D PRC信道模型将信道建模为多个复正弦波的组合,并假设正弦波的参数在给定预测时间范围内是静态的,利用这一特性,对采样的CSI矩阵进行数据变换和处理,从而虚拟加倍采样数;同时,利用MIMO信道的空时相关性和模型特性,对加倍后的数据进行空时变换,使形成的Hankel矩阵的行间和列间同时存在空间和时间关系,进而减小矩阵条件数,降低信号子空间误差,提高多径参数估计的准确性;紧接着,根据Hankel矩阵的特征值来估计多径数,结合多径数、特征向量提取信号子空间,再利用多维ESPRIT算法来估计各个相位参数;之后,根据估计的参数和已知的CSI通过LS获得多径幅度和初始相位;最后依据估计的参数和复幅度来重构信道并通过时间外推来预测未来的CSI。通过对复杂度、预测误差和信道容量的仿真分析,表明改进算法能有效降低预测误差、弥补容量的损失、提高系统性能。2、提出了一种适用于相关信道模型的改进的HOSVD降噪信道预测算法。对于前述3D PRC信道模型,多径数的增加在引起模型参数估计数量增加的同时也造成预测性能下降,而基于AR模型的预测算法则无需估计多径参数,复杂度较低,因此更适合复杂环境的信道预测。传统的基于HOSVD降噪的信道预测算法对天线数较少引起的秩不足问题比较敏感,同时也难以应付较大多普勒频移的情况,从而引起信道估计性能和预测性能的急剧下降、损失信道容量。对此,本文提出的改进的HOSVD降噪信道预测算法先利用MIMO信道固有的空时相关性对采样得到的CSI进行矩阵重排和数据处理来增加天线数,从而降低秩不足对预测精度的影响,随后基于信道的多维结构特性,使用HOSVD降低噪声的影响,继而重构信道矩阵,最后利用RLS滤波器对未来时刻的信道状态进行预测。仿真结果验证了改进算法的有效性。