随着5G标准化的逐步完成和人们日益增长的出行需求,增强高速铁路场景下的无线通信技术也逐渐被提上日程。高铁的无线环境以视距成分为主,大规模多输入多输出（Multiple-Input-Multiple-Output,MIMO）技术由于依赖多径分集带来的增益,受空时相关性和多普勒频移影响较为剧烈,所以并不完全适用于高铁无线通信系统。本文考虑在高铁场景下利用空间调制（Spatial Modulation,SM）技术和可重构的智能表面（Reconfigurable Intelligent Surface,RIS）,为高铁列控无线通信系统提供稳定大容量、抗窃听和抗干扰的安全通信传输方法。首先,考虑到高铁场景的强视距特性和抗窃听的需求,将SM与大规模MIMO结合,利用冗余的静默天线发射人工噪声干扰窃听者,但这也使得高铁收发机的运算复杂度升高。由此,本文提出一种基于截断速率的天线选择算法,该算法通过对保密速率的近似推导和对窃听信道的差值转换以避免积分运算和对天线组合遍历,从而降低系统运算复杂度。仿真结果表明,与现有的天线选择算法相比,该算法能够进一步提升保密速率的同时大大降低运算复杂度,从而有效地增强高铁无线通信系统的安全性能。其次,针对高铁基站受强空时相关性和小区边缘信号衰落影响严重的问题,提出一种分布式安全SM传输方案,利用多个远程天线单元协作发射调制信号和人工噪声以提高系统抗窃听能力。基于克罗内克积和矩量母函数的方法,本文对系统安全容量和误码率的闭式表达式进行推导。同时,基于最优安全容量筛选分布式天线组合,并使用拉氏乘子法求得多元功率分配因子,以进一步优化误码率。仿真结果表明,该方案在小区边缘也能够维持较高的安全容量,并在高架桥场景取得误码率和安全容量两者性能的平衡。最后,针对高速移动导致的多普勒频移和高铁抗干扰能力不足问题,研究基于RIS辅助SM的自适应抗干扰方案。首先,基于列车位置通过RIS对有效信号进行相位调整,补偿多普勒频移的同时抑制一定距离外的干扰信号。然后,基于有效信号的最优信道容量对SM和RIS的天线进行联合选取,将高铁信道的空时相关系数作为特征构建深度神经网络分类器。最后,为了降低分类器的复杂度,将问题简化成先确定天线个数,再进行选取。仿真结果表明,RIS辅助SM能够补偿多普勒频移并抑制主动干扰,而相比于其他传统算法,所提深度神经网络算法能实时、更准确地优化RIS-SM的天线选择方案。