水声信道是极其恶劣的无线信道,不仅随着时-空-频变化,而且存在大量的海洋背景噪声,给水声通信带来了极大的挑战。信道估计可为信道均衡器提供先验信道特性,信道均衡器的优化构造可提高通信性能。因此,精确的信道估计显得尤其重要。水声信道是典型的稀疏信道,因而其估计问题可转换成稀疏信道重建问题。近年来得到广泛研究的压缩感知信道估计可以提高信道估计性能,但是在较短的训练长度或者较低的信噪比下,传统的稀疏信道估计算法如正交匹配追踪（orthogonal matching pursuit,OMP）算法或者最小二乘法（Least Square,LS）算法的信道估计性能严重下降。论文针对在短训练长度和较低信噪比（signal-to-noise ratio,SNR）条件下信道估计性能下降的问题,联合空间域、时间域和频域的多个水声信道多径稀疏结构相关性,将分布式压缩感知理论用于水声信道估计,从而提高在短训练长度和低信噪比条件下水声信道估计性能,从而提高水声通信系统的稳定性,提高水声通信系统的频带利用率。论文以提高水声通信系统的性能为出发点,以信道多径结构相关性-分布式压缩感知信道估计-信道均衡为主线,研究分布式压缩感知水声信道估计算法。论文主要工作如下:（1）联合空间域稀疏估计:针对水声单输入多输出（single input multiple output,SIMO）、多输入多输出（multiple input multiple output,MIMO）信道具有的空间相关性,提出联合空间稀疏分布式压缩感知估计方法。针对SIMO水声信道采用联合稀疏2模型（joint sparsity model 2,JSM2）进行联合稀疏估计;针对MIMO水声信道则通过重组测量矩阵,提出区分性正交匹配追踪（discriminative orthogonal matching pursuit,DOMP）算法,从而消除同道干扰。仿真实验和海试实验均表明了提出算法的有效性。（2）联合时间稀疏估计:针对水声信道相邻数据块间存在时间相关性,提出联合时间稀疏分布式压缩感知用于SIMO长时延水声信道。建立JSM2模型,利用连续正交匹配追踪（simultaneous orthogonal matching pursuit,SOMP）算法进行优化,提高短训练序列估计在长时延信道下的性能。仿真实验和海试实验均表明了所提方案的有效性。（3）联合频域稀疏估计:针对信道结构存的频域相关性,提出联合频带稀疏分布式压缩感知信道估计算法:将多路径搜索方案用于分布式压缩感知,利用多路径搜索从而恢复信道差异稀疏部分;联合频带稀疏和时间稀疏进一步提高分布式压缩感知信道估计的性能。仿真实验和海试实验表明论文提出方案的有效性。