本论文首先分析了无线信道的传输特性，并深入研究了移动信道模型。由于传统信道模型被认为是一个线性的非时变的信道，虽然，后来一些科研工作者又进行了深入的研究，把信道模型扩展到线性时变模型。但是，随着移动用户的增多、业务的飞速发展，频率复用、时间复用达到了它们模型的极限，此外，用户还要求有在线视频的服务。从而必然加剧信号传输的线性、非线性失真。这些粗糙的模型远远不能满足应用的需要，明显是过时的模型。用这些传统的信道模型去处理这些多信号、高速数据及多子载波传输信号，已经根本不能满足移动用户的需要，这就要求新的模型和新的信号处理方法去解决这一问题。我们提出基于神经网络的信号处理方法，由于神经网络的一些优点，使得该方法具有很好的应用前景。移动信道与电波传播，已有许多理论分析和现场实测的课题，并已得出有用的结果。其中有些给出精确的数学描述，另一些则给出统计模型。然而，由于移动信道的复杂性，目前仍有许多待研究的课题，我们不可能用单一的数学模型来描述所有的移动环境。 由于神经网络具有学习能力、容错能力或鲁棒性，可以实现输入到输出的非线性映射。因此，神经网络在非线性信号处理中越来越得到广泛的应用，其中一些算法还可以优化系统、预测信号，从而，可以检测、避开信号在信道中传输时发生的深衰落(deep fading)。预先知道接受信号、信道的一些先验知识，还可以降低数据传输误码率。优化网络的能力还可以提高数据传输速率。为了频率、时间的更大的共享，我们提出了用神经网络来辨识、预测这种非线性时变信道。论文提出的神经网络是目前很新颖的结构RNN网络结构，同时还提出用BP算法实现信号处理，把RNN(FRNN)的实时处理能力应用于通信系统之中，更是一个新颖的课题，论文还把神经网络融合到其它的一些模型中，提出组合预测的方法。比如，基于神经网络的ARMA模型的建立等。 总之，神经网络在无线通信中的应用，越来越受到重视和深入研究，势必使神经网络更深入融合到通信信号处理领域中，开创一个新的信号处理分支。