基于长期演进（LTE）的车辆到一切（LTE-V2X）标准沿用LTE标准的帧格式，并采用块状导频辅助的单载波频分多址（SC-FDMA）系统完成信道估计。然而，由于V2X信道的时变特性，接收机信道估计面对巨大的技术挑战。因此，设计了一种基于滑窗滤波和多项式拟合的时变信道估计方法。针对导频符号处的噪声问题，在最小二乘（LS）方法基础上，采用了自适应长度的滑动窗口滤波进行降噪处理，从而保证导频符号处的信道估计精度。另外，根据多普勒频移大小，设计了自适应阶次的多项式拟合方法来跟踪数据符号处的信道变化。仿真结果表明，所提方法在LS方法的基础上有良好的去噪效果，在低速移动情况下的估计精度介于LS方法和线性最小均方误差（LMMSE）方法之间，而该方法在高速移动条件下能更好地拟合信道的时变特性，且性能上超过了LMMSE方法结合线性插值的信道估计方法。以上结果说明，所提方法相对于对比方法具有更好的自适应性，适用于不同的信道噪声和终端移动速度下的LTE-V2X通信场景。

为了在不显著提升计算复杂度的情况下，有效提升通信系统的误码率（BER）性能，利用深度学习在数据处理方面的强大能力，提出一种面向基于蜂窝网络的车联网（C-V2X）通信的基于深度学习的联合信道估计与均衡算法——V-EstEqNet。与传统算法分两个阶段分别进行信道估计与均衡不同，V-EstEqNet将通信系统接收机中的信道估计与信道均衡进行联合考虑，并利用深度学习网络直接对接收数据进行校正和恢复，无须进行显式的信道估计环节即可完成信道均衡。具体而言，首先利用大量的接收数据对网络进行离线训练，使网络学习到叠加在接收数据中的信道特性；然后利用该特性恢复原始的发送数据。仿真实验结果表明，在不同的速度场景下，所提算法可以更加有效地追踪信道特性；同时，相较于传统信道估计算法（最小二乘法（LS）和线性最小均方误差法（LMMSE））配合传统信道均衡算法（迫零（ZF）均衡算法和最小均方误差（MMSE）均衡算法），所提算法在低速环境下有最高有6 dB的BER增益，在高速环境下最高有9 dB的BER增益。

基于电力线载波通信G3技术标准下的物理层协议，针对电力线上噪声干扰较大，造成帧同步有虚警现象，符号定时同步尖峰幅值随信号衰减变化以及尖峰的旁瓣超过门限等缺点，提出了准确性更高、占用硬件资源相对较少的电力线载波通信帧同步与符号定时算法。通过算法仿真，表明该算法在信噪比较低时，具有门限自适应性，能够克服旁瓣的干扰，并易于硬件实现的特点。在一发一收两块现场可编程门阵列(FPGA)开发板上验证，提出新的帧同步、符号定时算法和硬件实现方案，实现了对电力线载波通信的正交频分复用（OFDM）基带系统进行实时、连续、准确的定时同步。

混沌序列以其相关性好、对初值敏感、保密性强等特性成为直接扩频通信系统中理想的扩频码。为充分发挥混沌序列测距的优点，在分析伪码测距的基本原理基础上，设计了两种混沌扩频测距的方案，利用数字匹配滤波器进行混沌码捕获的方法实现测距，分析了其测距的工作过程、捕获时间和测距精度。通过理论与仿真分析结果表明，利用混沌码作为扩频码实现测距是可行的，且具有高保密性、低截获和适合多目标测距等优点。

为了提高基于混沌序列的直序码分多址系统(DS/CDMA)抗干扰性能，提出一种优化混沌序列性能的优选算法，将得到的优化序列应用于DS/CDMA系统中，研究分别在加入单频干扰、部分频段干扰、脉冲干扰情况下的抗干扰性能。结果表明优化后的改进型Logistic映射混沌序列可利用的码数目众多，抗干扰能力强，且系统误码率较低，与Gold序列相比，在相同误码率情况(10^(-1))下，信噪比至少可改善2dB,更适合用于DS/CDMA系统和通信抗干扰技术中。