在非合作的MIMO通信系统中，由于接收端对发射端采用的训练序列未知，因此必须利用盲信道估计得到信道参数信息。目前常用的MIMO盲信道估计算法主要有基于二阶统计量和基于高阶统计量的算法。由于基于高阶统计量的算法能够获得更多的信号统计信息，并有效抑制高斯噪声，因此受到了广泛关注。本文针对基于高阶统计量的MIMO盲信道估计算法进行了研究，主要工作包括：1)研究了频率域平行因子分解和均衡相结合的盲信道估计算法。该算法首先利用频率域平行因子分解的盲信道估计算法对信道矩阵进行估计，之后利用信道均衡的方式减弱信道矩阵估计的模糊度，使得信道估计的性能得到了有效改善；2)研究了面向STBC系统的基于高阶统计量的盲信道估计算法，由于算法中采用的最优化算法受初始点敏感度的影响较大，使得该算法收敛于全局最优点的概率不高。为了解决初始点敏感的问题，通过利用包含有接收信号信息的高阶统计量分解的方法得到最优化算法的初始点，从而提高了算法收敛于全局最优点的概率。仿真结果表明改进算法能够有效提高收敛于最优点的概率，信道估计性能得到了改善。