压缩感知理论作为现在的研究热点,越来越受到关注。该理论提出打破了奈奎斯特抽样定理的束缚,不仅降低了采样率,而且大大地节约了系统资源。作为高传输速率的正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)技术现如今被广泛应用到无线网络中,也是下一代移动通信的核心部分。近年来对OFDM系统的信道估计也逐渐的用压缩感知的方法来实现。本文首先介绍了压缩感知理论的原理,系统的阐述了该理论是如何利用信号的稀疏特性,然后在采样的同时对信号进行压缩,以及怎样从接收到的信息中精确恢复出原始信号来。其次在OFDM系统信道估计原理的支撑下,本文采用了替代正交匹配追踪算法(OMPR)和贝叶斯算法(Bayesian)的压缩感知信道估计方法。基于贪婪算法的OMPR同正交匹配追踪类似,计算并选择候选原子集合中和残差最相关的元素,然后添加到支撑集中。然而OMPR采用新元素替代支撑集中已有相关性最小元素的方法,对OMP进行了改进。贝叶斯算法根据稀疏矩阵中系数的分布,并利用发送信号的先验信息,逐渐逼近代价函数方式得到最优结果。最后本文对所提出的不同方法进行了仿真分析,并于传统方法做了对比,结果表明OMPR以及Bayesian方法与现存方法相比更快性能更好。