Con el rápido desarrollo de la tecnología de comunicación inalámbrica, la comunicación inteligente se ha convertido en una de las direcciones de investigación principales después de la quinta generación (5G). En particular, el aprendizaje profundo ha surgido como una tecnología significativa de inteligencia artificial ampliamente aplicada en la capa física de la comunicación inalámbrica para lograr un procesamiento de recepción inteligente. La estimación de canal, un componente crucial de la comunicación en la capa física, es esencial para la recuperación de información adicional. Como motivación, este documento tiene como objetivo revisar la investigación relevante sobre la aplicación de métodos de aprendizaje profundo en la estimación de canal. En primer lugar, este documento introduce brevemente los métodos de estimación de canal convencionales y luego analiza sus respectivos méritos y desventajas. Posteriormente, este documento presenta varios tipos comunes de redes neuronales y describe la aplicación del aprendizaje profundo en la estimación de canal según enfoques basados en datos y basados en modelos, respectivamente. Luego, este documento se extiende a escenarios de comunicación emergentes y discute la investigación existente sobre la estimación de canal basada en el aprendizaje profundo para sistemas de comunicación asistidos por superficie inteligente reconfigurable (RIS). Finalmente, para satisfacer las demandas de la comunicación inalámbrica de próxima generación, se discuten los desafíos y las tendencias de investigación futuras en la estimación de canal basada en el aprendizaje profundo.