无线信道预测能够提前预测某个时刻的信道状态，降低反馈延时带来的误差，为自适应传输提供可靠数据。但是传统的信道预测方法，比如子空间分解算法等，需要很长时间的观测且抗噪声能力差。最小最大概率机能够明确错分概率的上界，适用于信道预测技术。因此本文提出了基于最小最大概率机的非线性预测方法，并结合混沌理论研究无线衰落信道预测技术。　　首先描述无线衰落信道传输特性，阐述了无线信道衰落特性是确定性与随机性的统一，具有混沌特性，无线衰落信道是有一定规律的非线性动力系统，因此对其预测是有意义的，为全文研究衰落信道奠定了理论基础。具体的研究工作如下：　　(1)针对最小最大概率机算法（MPM）展开研究，为了克服任意给定的高斯核参数值不能最优分类的缺点，改进算法，提出将MPM算法与两类样本均值距离最大化（DBTC）相结合，即通过DBTC寻找MPM算法高斯核的最优超参数，从而达到提高分类准确性的目的。仿真结果表明，改进后的DBTC-MPM算法误差性能优于单纯的MPM算法。　　(2)从非线性动力学的角度分析了Jakes模型的可预测性，把相空间重构引入信道预测中来，重建系统相空间，从而恢复出原相空间的几何及物理性质，挖掘系统隐含的信息。随后基于MPM算法研究衰落信道预测技术，对Jakes信道模型进行预测，获得了良好的预测性能。并将改进后的DBTC-MPM算法应用于衰落信道预测，结果表明相比单纯的MPM算法预测误差得到改善。　　(3)针对OFDM系统，通过改变导频模式，提出新的预测算法，与传统的插值算法相比，在相同的传输速率下，减少了导频个数，提高了传输效率，获得了较好的信道预测性能。最后在二维信道的频率方向插值，在时域利用MPM进行预测，提高了信道利用率。