En los ferrocarriles de alta velocidad, el canal inalámbrico y la topología de red cambian rápidamente debido al movimiento de alta velocidad de los trenes y al cambio constante de la ubicación del equipamiento de comunicación. La topología se ve afectada por el ruido del canal, lo que dificulta la estimación precisa del canal. Por lo tanto, la forma de obtener información precisa del estado del canal (CSI) es el mayor desafío. En este artículo, se propone un método de estimación de canal en dos etapas basado en redes generativas adversarias (cGAN) para sistemas MIMO-OFDM en escenarios de alta movilidad. La matriz de canal compleja se trata como una imagen, y el cGAN se entrena contra ella para generar una imagen de canal más realista. Además, se utiliza el algoritmo noise2noise (N2N) para eliminar el ruido de la señal piloto recibida por la estación base y mejorar la calidad de la estimación. Experimentos de simulación han demostrado que el algoritmo propuesto N2N-cGAN tiene una mejor robustez. En particular, el algoritmo N2N-cGAN se puede adaptar al caso de menos secuencias piloto.