脉冲超宽带(Impulse Radio-Ultra Wide Bandwidth,IR-UWB)是一种新兴的短距离无线通信技术。该技术凭借低功耗、抗干扰能力强等优点已经引起了广泛的关注和深入研究。然而,IR-UWB技术在应用领域也存在着难题,IR-UWB脉冲在时域上纳秒级的持续时间决定了其频域上占有极高的带宽,这就对数字化接收机设计过程中ADC的采样能力提出了很高的要求,如果严格按照Nyquist采样定律来设计接收机的采样部分将会带来高额的成本。压缩感知理论(Compressed Sensing,CS)是近年来应用数学领域的研究热点,该理论指出,在信号满足稀疏特性的前提下,利用远小于Nyquist采样定律的观测数量也可以高概率地重构原信号。超宽带信号的天然稀疏特性可以满足压缩感知理论的前提要求,因此CS理论就为打破传统思路的瓶颈设计IR-UWB数字化接收机提供了良好的契机。考虑到精确的信道估计是保障通信性能的重要环节,本文重点针对CS框架下IR-UWB系统信道估计进行研究。本文首先介绍CS的基本理论以及CS-UWB接收机的基本架构,然后基于CS-UWB信道估计方向已有的研究成果进行进一步的研究。超宽带接收机接收信号的一般形式为:g????n,其中?为本地模板矩阵、n为噪声向量、?即为待估计的信道冲击响应。IR-UWB信道估计的精确度受到n和?两方面的影响,本文针对这两方面的影响分别进行讨论并提出了在已有研究基础上进行改进的对应方法。传统的正交匹配追踪(Orthogonal Matching Pursuit,OMP)利用已知的接收信号g与本地模板?之间的迭代来得到信道估值,这种方法的抗噪声能力较差。本文在传统OMP算法迭代过程中加入噪声向量n的影响,基于公式的推导和证明提出了Anti-Noise OMP重构算法,并且通过仿真与原始OMP算法的信道估计性能作对比论证了推导的合理性。针对模板?改进的问题,本文首先对超宽带收发实验的实测数据进行分析,介绍了该实验的环境和参数,通过对不同点接收信号的分析来判断它们所受到失真的影响,根据分析结果构造包含波形失真信息的多模板字典MT?,并通过仿真验证了多模板较单模板的性能优越性。基于对超宽带信道特性的分析,本文利用部分信道先验信息(Channel Prior Information,CPI)来得到一个加权函数并利用它进一步改进模板,得到了一定的性能提升。最后,本文将所提出对针对噪声n和本地模板?的改进方法结合在一起,形成了系统的CS-UWB信道估计方案,在不同迭代次数下较原始方法的重构信噪比(Recovery Signal-to-Noise Ratio,RSNR)提升约为1d B。