卫星通信一直是世界主要强国开展技术竞争的重点领域,近年来,一系列自适应传输技术广泛应用于卫星通信,加速了卫星通信朝向更大容量更高宽带发展的趋势,该技术借鉴地面移动通信成熟方法经验,主要通过对通信链路通道的准确估计,精准掌握信道状态信息（Channel State Information,CSI）,而后自主地对调制方式、编码方式、发射功率等参数进行调整,进一步提高系统传输效率,实现频谱资源高效利用,提升系统性能。然而由于卫星通信信道的快时变特性,仅凭信道估计已无法满足自适应传输对信道状态信息的高精确度要求,因此,本文重点研究基于差分整合移动平均自回归（Autoregressive Integrated Moving Average,ARIMA）和支持向量回归（Support Vector Regressive,SVR）的卫星通信信道预测方法,并在此基础上对算法进行改进,分别进行短时和长时预测,研究结果表明,该方法能够有效解决信道估计带来的信道信息过时问题,有助于自适应传输技术在卫星通信领域的应用。本文中具体所研究的内容有如下方面:首先研究了卫星移动信道特性,分析电磁波信号在地面至卫星之间通信环境的变化过程,找到物理机理,利用混合统计性的方法定量分析大尺度和小尺度衰落对信号造成的衰落影响,而后对经典卫星信道模型进行对比分析,说明优缺点,并通过不同概率统计模型的组合,逼近实际信号传播过程,建立能够反映真实情况的信道模型。其次,介绍了信道估计方法。针对信噪比数据受信道环境变化影响明显,能够直接评价信道质量优劣,同时是影响卫星通信自适应传输系统性能的重要参数,以此为基础,重点介绍了基于信号高阶矩统计量的估计方法（Second-and Fourth-Order Moments Estimator,M2M4）以及最大似然法（Maximum Likelihood,ML）,目标是使估计的误差达到最小。最后,围绕信道预测,提出具体预测方法解决卫星通信过程中由于信道快时变特性带来的信噪比信息过时的问题。主要是采用典型的非线性ARIMA方法以及基于支持向量的SVR方法对估计出的信噪比数据进行趋势预测和对比分析,在此基础上,引入迭代训练思想,实时更新训练集数据,对算法进行改进,分别进行短时和长时预测,对预测结果进行定量评价,证明方法的可行性。