传统的信道估计方法未充分利用信道的稀疏性。利用信道冲激响应的稀疏特性，提出了将FOCUSS（Focal Underdetermined System Solver）压缩感知算法应用到信道估计中，从均方误差和正确检测率方面分别与传统最小二乘估计和正交匹配追踪压缩感知信道估计相比较。仿真结果表明,本文算法的均方误差较小，正确检测率较高，能够以较少的导频信号获得好的估计性能。

提出了一种基于压缩感知(CS,compressive sensing)理论的不连续子载波正交频分复用(NC-OFDM,non-contiguous orthogonal frequency division multiplexing)系统信道估计新方法,全面研究了认知无线电NC-OFDM系统CS信道估计的理论框架、导频图案的设计、信道估计算法,并依据CS测量矩阵设计理论提出了测量矩阵互相关最小化的导频图案优化准则。仿真结果表明,同已有的NC-OFDM系统信道估计方法相比,CS信道估计能够在多种禁

多输入多输出不连续正交频分复用（MIMO NC-OFDM）系统是认知无线电（CR）系统的常用体制，由于授权用户占用而导致的载波不连续情况下的信道估计是影响该系统性能的关键技术问题。提出一种基于压缩感知（CS）的MIMO NC-OFDM 系统的信道估计方法——稀疏自适应匹配追踪（SAMP）算法。SAMP 算法在重构过程中先对信号稀疏度进行初始估计，然后自适应调整步长逐步逼近信号，相较于其他贪婪算法，能够在稀疏度未知的情况下准确重建稀疏信号。仿真结果表明，SAMP算法提高了重构精度，在实际应用中易于