20世纪50年代美国军方提出了OFDM技术，这项技术的发展是基于多载波调制技术。在如今的OFDM接收机中多载波调制技术容易造成IQ不平衡，从而导致在OFDM系统中的镜像干扰，因此OFDM接收机对IQ不平衡问题的敏感度比单载波接收机更高。针对这一问题，学者们提出了很多有效的补偿算法[6-8]，SayedAH，TarighatA，andBagheriR。等人在文献[3]中提出了接收端存在IQ不平衡的频域补偿的算法，他们的另一篇文章考虑了在接收端和发射端都存在IQ不平衡的情况，并建立数学模型，对此进行分析。但频域补偿算法需要较多的训练符号才能达到更好的估计性能，正是频域补偿的这个缺点导致了其频带利用率较低77314

[11]。其他相关的算法是在时域中进行补偿，而时域反馈补偿算法的缺陷是需要将接收机估计出的IQ不平衡参数反馈到发射机中[12-14]，从而使发射端对IQ不平衡的预补偿变得简便，而反馈回路则会带来一定的额外开销，并且当IQ不平衡参数是时间的函数时[15-16]，那么就不可以忽略由反馈时延带来的影响。这些改进的补偿算法需要用导频来估计IQ失真的参数表示[17-18]。总的来说，上述文献中提到的那些补偿方法复杂度比较低，不能达到最大似然（ML,Maximumlikelihood）补偿的效果，也就是最佳补偿，而ML补偿的复杂度偏高，其复杂度是调制星座图点数M的2N次幂，其中发射天线数用N来表示。当M较大时复杂度就较高,因此如何设计出既拥有较低的算法复杂度又能逼近ML性能的补偿算法至关重要。

信道估计算法的实质是在发送端信号上的某些固定位置中插入一些接收机已知的数据符号（导频符号和训练序列），为了提取出所需的信道特征参数，需要在接收端按照某些算法利用已知的数据符号进行分析[6]-[10]。信道估计算法的优点是应用范围广，几乎可以应用到所有的无线通信系统中；美中不足的是辅助数据占用了一定的信息比特，从而导致信道传输的有效性降低，传输带宽没有得到有效利用。此外，信道估计必须在接收端接收到训练序列或导频后才能进行，带来了无法避免的延时，因此一定要严格要求分组结构。论文网

盲信道估计是指对信道参数估计时，没有训练序列，仅使用信道和信号数据固有的数学信息，而不知道信道和接收信号的具体形式，通过不同应用问题指定的未知参数的特征来确定具体的算法[9][11]。虽然盲信道估计不需要训练序列，但与需要训练序列的信道估计算法相比盲信道估计可以减小开销，节约带宽，提高系统的效率，但运算量非常大，灵活性差，进行信道估计的时延很大，在实时系统中的应用受到了限制。

虽然数据辅助的信道估计需要发送附加的导频序列，一定量的信道带宽被占用，频谱利用率也降低，但实现数据辅助的信道估计复杂度不高，接收性能也不错，硬件实现该算法的延迟相对较小，所以，数据辅助信道估计具有较高的应用价值和研究价值。最近的研究表明，OFDM系统中有效且易于实现的信道估计方案是利用导频符号和训练序列的数据辅助信道估计的方案。而且，根据OFDM信号结构的特性，接收端可以运用衰落信道的时域和频域这两个域的衰落相关性来估计信道，这使得基于导频符号和训练序列的信道估计器可以利用插入在时域和频域上的训练序列和导频符号[12]。

信道估计方法包含两种方法，分别是基于导频的信道估计方法和基于训练序列的信道估计方法。如今研究的比较多的有LS信道估计、MMSE、奇异值分解(Singularvaluedecomposition，SVD)信道估计和Wiener滤波等经典方法。计算复杂度最低的算法是最小二乘法信道估计，极适合在应用于实际系统中，但是它受噪声的影响比较大。基于MMSE准则的信道估计方法有最小均方（Leastmeansquare，LMS）算法，Wiener滤波算法，递归最小二乘