随着通信系统带宽及数据传输速率的高速增长,采用高精确度(如8-12 bit)模数转换器(ADC)的接收机成本及功耗过高,成为高传输速率通信的主要瓶颈之一。采用低精度(如1-3 bit)ADC的接收机可以有效地避免高精度ADC的以上缺点。近年来学术界从信息理论的角度对高斯信道下低精度量化的信道容量进行了分析,研究表明2-3 bit ADC所带来的信道容量损失很小,可以接受。此外,均匀分布的脉冲幅度调制(PAM)信号配合极大似然(ML)的量化接收器在任意信噪比时均可获得近似最优的信道容量,这使得低精度ADC更易于实现。这些令人鼓舞的结论促使人们对低精度量化下接收机信号处理的关键技术展开进一步研究,包括载波同步的问题、信道估计问题、均衡问题等。由于ADC精度的降低,对增益控制准确度的要求随之提高,如何进行高精度的数字自动增益控制成为一个关键问题。然而,目前对低精度量化信号处理技术的研究通常都假定理想自动增益控制,而国内外对于低精度ADC下自动增益控制的研究还处于初级阶段。因此,本文深入研究了低精度量化下自动增益控制技术,以便输入信号能够与低精度量化器达到精确匹配,最大限度地利用量化器的有限精度,为低精度ADC的实用化奠定基础。此外,本文还对低精度量化下衰落信道的信道估计算法进行了初步的探讨。本文的主要研究内容及贡献如下：首先,基于极大似然准则提出了对于PAM信号的幅度估计算法,并基于估计结果进行增益控制。此外,通过最小化归一化均方误差(NMSE)获得服从高斯分布的最优扰动,并通过加入扰动的方法改善了高信噪比下的估计性能。经过对增益的控制,系统的误比特率得到了有效的降低,且可以获得接近理想增益控制下的信道容量。随后本文考虑了量化器对幅度估计的影响,设计出用于PAM信号幅度估计的最优量化器。利用最优的量化门限,本文提出了基于极大后验概率(MAP)准则的幅度估计迭代算法,利用已接收到的序列信息,动态调整输入信号能量,使其与最优量化门限获得最优匹配,从而提高了估计性能。为了进一步提高估计精度,本文通过最大化输入信号幅度值与量化输出观测量之间的互信息,设计最优门限并提出贪婪估计算法。与仅根据极大后验概率估计结果设置量化门限不同的是,此时考虑了输入幅度的分布情况。由于该分布随量化输出动态变化,因此在得到每一个观测量后均需要对最优量化门限进行重新搜索。虽然复杂度较高,但是算法的性能获得大幅度提高,在训练序列长度N=40时便可以获得接近理想增益控制的性能。兼顾估计性能与复杂度,本文随后提出了基于粒子滤波的估计算法。该算法依据输入信号幅度的分布函数产生一组可以重现该分布的随机样本集合,并基于这些随机样本设计用于量化下一组信号的门限。随后,根据量化输出更新分布函数,调整粒子位置来重现更新的分布,并随即设定新的量化门限集合。粒子滤波算法性能相比ML算法及MAP算法均有很大提高,而算法复杂度相对贪婪算法得到有效的降低。除了对增益控制算法的研究,本文还基于MAP准则设计了用于低精度量化系统信道估计的最优扰动信号,并分析了低精度量化系统的信道估计性能。通过有效地加入扰动,仅需要很短的训练序列,低精度量化系统的信道估计便可以获得与全精度最小均方误差估计(MMSE)算法相当的性能。综上所述,本文提出了用于低精度量化系统自动增益控制的4种幅度估计算法：ML幅度估计算法、迭代的MAP幅度估计算法、基于粒子滤波的幅度估计算法以及最优量化门限的贪婪算法。通过上述算法,可以在有限时间内实现对输入信号幅度的精确估计,从而实现对输入信号进行精确的自动增益控制,为后续低精度量化信号的处理提供了有效的保证。此外,本文验证了低精度量化下的信道估计算法,结果表明,只需要很短的训练序列便可以获得较好的估计性能。本文对低精度量化系统自动增益控制算法的研究成果,为采用低精度ADC通信接收机的应用奠定了基础。