随着移动通信与宽带无线接入技术的融合,高移动性场景,例如高铁和车辆到车辆（Vehicle-to-Vehicle,V2V）场景,成为了第五代（5th Generation,5G）移动通信系统的典型应用场景。因此,面向高速移动场景,提供超可靠、高质量、快速的移动通信服务也成为了5G的技术目标之一。另一方面,无线频谱资源稀缺及高移动性使得正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）通信系统面临越来越严峻的挑战,如何充分利用有限的频谱资源是现代无线通信技术必须解决的问题。其中,基于叠加导频的无线传输方案由于可以减少导频序列占用的频带开销而受到广泛关注。然而,叠加导频方案中的导频和信息数据间的互扰造成信道估计和符号检测性能的严重下降,如何在接收机中实现信道估计和符号检测的解耦是解决该问题的关键。本文以提高无线信道的带宽利用率及信道估计性能为目标,以消除信道估计干扰和分离叠加信号为切入点,面向高速移动场景下基于叠加导频的OFDM系统展开研究,主要研究内容和创新成果如下:（1）从高速场景下的无线信道特征出发,具体分析了高速场景下的信道具有时间选择性衰落、频率选择性衰落及信道非平稳特性的原因。为了降低快时变信道的估计复杂度,引入了基扩展模型（Basis Expansion Models,BEM）的思想。仿真分析表明BEM模型能够有效模拟高速场景下的信道特性。进而,建立了基于复指数BEM模型（Complex Exponential BEM,CE-BEM）的OFDM系统。（2）研究了导频插入的方式,设计了块状的叠加导频图样,并对传统的消除数据干扰的信道估计方法进行了分析。此外,考虑到叠加导频的功率分配问题对估计性能的影响,通过仿真选取了合适的功率分配因子,并在此基础上,对传统的叠加导频信道估计方法进行了仿真分析,仿真表明迭代检测的信道估计方法随着迭代次数的提高,估计性能提升明显,验证了迭代检测信道估计方法的可行性,但针对高速场景下的信道估计挑战,还需要采用其他能更好跟踪信道的估计方法。（3）针对信道时域非平稳特性,本文结合BEM技术,利用扩展卡尔曼滤波器（Extended Kalman Filter,EKF）联合估计信道时域自相关系数和信道冲激响应,并在接收端重构出发送符号以更新观测矩阵,最后通过迭代BEM-EKF信道估计方法逐渐消除叠加位置处的数据符号干扰。仿真分析表明,迭代BEM-EKF随着迭代次数的增加能够有效的提升信道估计的精确度和降低误码率（Bit Error Rate,BER）,并且在吞吐量方面相对于经典的叠加导频方法有明显的提升。（4）由于EKF需要知道先验的信道衰落统计量,然而在实际通信中,接收端是未知的。因此本文进一步采用了期望最大化（Expectation-Maximization,EM）参数估计,根据接收数据采用最大似然来估计一阶时变自回归模型（Time-Varying Auto Regression,TVAR）的参数矩阵、观测噪声和信道参数转移噪声的协方差。为进一步增强系统对信道时变衰落的鲁棒性,采用EKF和RTS平滑器（Rauch-TungStriebel smoother,RTSS）来实现时变信道跟踪。仿真分析表明,所提EM-EKF信道估计算法,和现有的代表性算法相比,具有更好的通信性能,更适合于实际的高速移动场景下的OFDM通信系统。