MIMO-OFDM系统是下一代移动通信中炙手可热的技术方向之一,在宽带接入、数字广播等多方面均得到了有效利用。该技术吸取了MIMO和OFDM两种技术的优点,满足了更高的性能要求。自其诞生以来,通信领域的相关研究便从未停止,很多研究者都从不同角度、不同程度上提出了处理该系统实际应用问题的方案,其中尤为重要的即是信道估计问题。在通信过程中,信道估计是各系统设计接收机都必须考虑的核心部分。对MIMO-OFDM系统而言,信道个数和复杂程度将会随着用户和天线数量的增多而大大增加,所以信道估计对于性能要求严格的MIMO-OFDM系统更为重要。本文首先针对MIMO-OFDM系统模型以及常用信道估计方法进行了研究分析。估计方法一般分为非盲信道估计方法和盲信道估计方法两类,本文为了更好地利用两种方法的优点并避免缺陷,分析应用了一种称为半盲估计的方法。该方法结合非盲导频以及盲函数运算,提高了系统实时性能,减少了实现难度。因现有研究方法大部分应用面受限,本文继而根据MIMO-OFDM系统的非线性特点,应用径向基函数神经网络构造了改进的半盲估计方法。对于MIMO-OFDM系统而言,在信道估计问题上巧妙应用智能信号处理方法是一种有效解决非线性问题的手段。在多种智能信号处理方法中,神经网络则能有效对非线性系统建模,匹配效果较好。本文通过仿真证明,应用神经网络后半盲估计方法的性能得到显著提高。由此,本文进而提出了结合遗传算法的RBF网络信道估计算法,以牺牲部分实时性为代价,大幅提高了估计精度。最后,本文针对包括协同通信环境在内的多种实际信道环境进行了分析仿真。通过分析其应用实例,证明了改进算法的优越性,通过仿真手段进一步在系统容量分析问题上做出了研究与推断。