针对PCMA信号的盲解调问题,本论文重点研究了信噪比估计、时延估计、基于连续干扰抵消盲分离算法以及基于复杂编码方式下盲分离算法等内容,完成的主要工作和创新点概括如下:1.针对PCMA信号信噪比估计问题,在已有的单路信号信噪比研究基础上,给出了一种基于子空间分解的PCMA信噪比估计算法。研究了三种分解信号子空间与噪声子空间方法,并通过仿真实验对比了不同方法的性能。2.针对PCMA信号时延估计问题,提出了一种数据辅助的算法,该算法将整个估计流程分成了基于数据辅助的时延粗估计与基于最大似然的时延精估计两个过程,克服了传统基于最大似然同频混合信号时延估计算法不收敛的弊端,并探讨了消除时延模糊的方法,提高了估计精度。推导了性能界并给出了性能界分析,为算法的性能分析提供了理论依据。该方法对两路信号时延差参数敏感,对频偏误差不敏感,仿真实验验证了该方法的有效性与实用性。3.针对PCMA信号盲分离算法复杂度高的问题,在连续干扰抵消算法基础上,构建了单通道同频混合信号的信道接收模型,提出了基于连续干扰抵消的低复杂度盲分离算法。并对信道重构中的信道截断影响进行了起始部与结尾部截断修正,避免了分离性能的损失。仿真结果表明,QPSK调制方式下分离性能与已有算法性能相当,但复杂度降低了2/3。4.针对当前LDPC编码方式下PCMA信号的盲分离问题,在实现参数估计与信道重构的基础上,提出了一种联合因子图软译码与连续干扰抵消的迭代分离算法。该算法在解调过程中利用译码反馈来改善分离性能,重点研究了解调与译码间信息迭代交互,以及信道参数对分离性能的影响。仿真实验表明,针对LDPC码,QPSK调制混合信号经2次迭代处理,分离性能提升2dB以上。