多用户检测(Multiuser Detection, MUD)技术是现代无线移动通信领域中一项重要的抗干扰技术，随着移动通信信息数据表现形式多样性、信息数量巨大性、用户需求复杂性及信号处理实时性等因素的快速发展，传统MUD技术已无法全面有效处理现有无线移动通信系统面临的各种干扰抑制问题。本文针对单一MUD算法存在的收敛性、跟踪性能、精度及稳定性等关键性能指标不佳的问题，在传统干扰抑制技术与数值分析理论的基础上提出更新概念的MUD算法，提高以直接序列扩频码分多址系统(DirectSequence Spread Spectrum-Code Division Multiple Access, DS-CDMA)为代表的多址移动通信系统的综合干扰处理能力，进一步满足复杂移动通信的需求。本文主要创新性研究结果如下：(1)针对MMSE算法与Kalman算法在DS-CDMA系统多用户近似估计及时变噪声统计过程中，容易引入判决误差导致算法稳定性下降的问题，提出了改进的MMSE-MUD算法与改进的盲自适应Kalman滤波MUD算法。改进算法通过减小近似估计过程判决误差产生及优化迭代过程等方式，提高算法计算过程的收敛性与稳定性，使算法能够有效处理动态通信问题。(2)针对自适应MUD算法处理时变复杂移动通信问题过程中的各种限制因素，提出了自适应最速下降RLS算法、盲自适应拟Newton迭代Kalman算法及盲自适应SOR/JGS-Kalman算法。改进算法通过与最速下降算法、拟Newton迭代算法、Jacobi迭代算法及Gauss-Seidel迭代算法等数值理论结合，可基于检测环境差异优化自适应MUD算法的迭代运算稳定性与实时突变处理能力，实现对松弛参数、阻尼参数、矩阵范数等条件选择决策的精确控制，进而扩展算法应用范围。仿真结果表明改进算法具有更好的复杂时变噪声统计估计能力、收敛性及动态跟踪能力。(3)针对串行干扰消除(Successive Interference Cancellation, SIC)算法处理过程中过度重复进行用户排序，导致检测精度低的问题，提出了MMSE-SIC算法，异步连续型Schwarz-SIC算法及盲自适应Kalman-SIC算法。改进算法基于线性MUD准则、Schwarz理论及自适应算法，在进行DS-CDMA通信系统SIC检测同步BER精确分析与异步BER近似分析后，根据应用环境合理引入MMSE、Schwarz及Kalman算法准则，重新构建SIC算法的独立判决单元，减少用户排序确保单一检测级处理精度，进而提高算法整体检测精度。仿真结果表明改进的SIC方案在复杂条件下具有更加可靠的MUD处理精度。(4)针对并行干扰消除(Parallel Interference Cancellation, PIC)算法因检测处理过程需使用相同方法对系统中所有用户进行多次分阶段迭代运算，造成算法复杂度高且收敛慢的问题，提出了异步连续并行Schwarz-PIC算法与盲自适应Kalman-PIC算法。改进算法根据PIC处理过程的实际需求，合理引入Schwarz准则与Kalman算法准则重构PIC过程的独立检测单元，通过对MUD边值问题进行实时跟踪与精确修正，将求解问题区域根据实际系统情况分解为两个或多个相同或不同的子区域，交替求解各个子区域上的子问题，减小问题处理规模，从而减少重复运算。仿真结果表明改进算法在降低并行检测过程计算复杂度的同时，有效提高了算法的收敛速度与检测精度。(5)针对IC级联结构MUD算法为避免判决误差扩散，采用对所有用户进行多次分阶段迭代的方式，导致算法复杂度高且收敛慢的问题，提出了衰落信道下的盲自适应Kalman-IC算法。改进算法在串行格局上充分利用并行计算的特点，选择特定幅度、延迟及相位，使用相应扩频序列对检测到的数据码字进行二次调制，再将二次调制信号去除并消去该用户造成的MAI，最后从接收信号中恢复出用户有效数据。改进算法可在任意时刻根据用户信号增体变量中的最新信息自适应确定运算是否继续，无需等待数据输入，避免了单一IC算法因过度多次分阶段迭代运算导致的高复杂度与低收敛性。仿真结果表明改进算法在降低级联检测计算复杂度的同时提高了算法收敛速度与检测精度。