研究了一种基于卡尔曼（Kalman）滤波的OFDM时变信道估计与跟踪问题。首先建立时变多径信道的状态方程和测量方程，然后将信道冲击响应近似为一个低阶自回归滑动平均过程，利用导频的先验信息估计出Kalman滤波器的初始值和时变参数，并通过Kalman滤波跟踪信道的时变特性。仿真实验表明，该方法在时变多径信道下具有较好的性能，与传统信道估计方法相比，在均方误差和误码率等性能指标上有了较大的改进。

维纳滤波和卡尔曼滤波都是基于最小均方误差准则的滤波方法，本文主要研究这两种滤波方法在OFDM信道估计中的应用。为了跟踪频率选择性信道的变化，采用在OFDM系统中易于实现的梳状导频进行研究。传统的MMSE在统计意义上是最好的线性估计器，但是需要对矩阵求逆，是一种计算量较大，算法较复杂的方法。LMMSE是频域维纳滤波方法，其减小了MMSE的复杂度，但只适用于慢衰落信道，针对时变信道，本文提出卡尔曼滤波的信道估计方法，仿真结果表明，卡尔曼滤波的信道估计方法在时变信道中具有良好的性能。

针对高速移动MIMO-OFDM系统，提出了一种基于历史信息的软卡尔曼滤波迭代时变信道估计方法。考虑高速铁路环境中不同列车在相同位置处的信道具有很强的相关性，首先利用历史列车的信道信息获取最优基函数，基于该基函数对信道建模，将对信道的估计转换成基系数的估计，降低了计算复杂度和提高了信道估计精度。其次，在每次迭代中采用了软卡尔曼滤波和数据检测联合的方法估计基系数；为了更好地减少数据检测误差传播的影响，采用软数据检测方法，并且在每次迭代中将软数据检测误差作为噪声进行处理。另外，采用的软卡尔曼滤波器不涉