随着实时多媒体通信、高速Internet接入等无线数据业务的发展，提高通信系统的速率和频带利用率已成为急待解决的问题。在无线通信系统中，多输入多输出(Multi-Input and Multi-Output，MIMO)技术由于能有效利用多径衰落，显著地提高信道容量而成为未来移动通信系统的热点研究技术之一。同时MIMO技术是一项复杂的技术，其研究内容包括了信道容量、参数估计技术、检测技术等等。本文针对MIMO系统的参数估计技术做了深入的研究，主要的创新性成果如下：1)在MIMO频率选择性衰落信道下，推导了基于周期性训练序列的频偏估计的渐进克拉美·罗下界(Cramér-Rao Lower Bound，CRLB)，该渐进CRLB具有非常简单的解析形式。给出了在相关信道下对频偏估计最优的训练序列设计准则。证明了所有对最大似然信道估计最优的训练序列都具有相同的频偏估计性能，并且指出在确定性信道下，对信道估计和频偏估计联合最优的周期性训练序列不存在。但是在独立Rayleigh衰落信道的下，对于任何功率时延谱，信道估计和频偏估计联合最优的周期性训练序列存在且能够通过简单的方式构造。并且针对联合估计最优的训练序列设计了基于相关的频偏估计器，证明了基于相关的频偏估计方法是一种次优的估计器，但是其能够在性能和估计范围之间做灵活的折衷。2)在无线通信的频偏估计问题中，级联训练序列是常用的解决频偏估计范围和估计精度之间折衷的常用方法。一个级联训练序列由若干个短序列和若干个长序列组成。短序列是为了获得更大的估计范围而长序列是为了获得更高的估计精度。本文基于CRLB分析了级联训练序列的性能，推导了级联训练序列的均方误差公式，并且证明了事实上最优的级联训练序列结构是将整个的序列全部分割成短序列，这样能够达到估计范围最大、性能最优、门限最小。3)由于低复杂度的频偏估计方法都受到相位模糊的影响而具有受限的估计范围，本文提出了一种频偏估计方法—混合频偏估计。混合频偏估计器由一个现有的范围受限的频偏估计器和一个Bayes检测器或者一个GLRT检测器组成，它能够将任何一个范围受限估计器的估计范围提高到最大估计范围。同时证明了如果范围受限的频偏估计器是一个优效的估计器，那么整个混合频偏估计器就是一个最大似然估计器；并且证明了混合频偏估计器的性能渐进等于原频偏估计器。混合频偏估计能够在复杂度和估计范围上做到良好的折衷。4)在广义MIMO平坦信道中，每个收发天线对之间的频偏都不相同。在这种信道下，最大似然估计的计算复杂度非常高。而现有的低复杂参数估计方法主要是将不同发射天线上的训练序列进行分时传输，但是这样训练序列占用的开销过高，浪费了系统的带宽，可能还会造成发射天线上信号的峰值平均功率比过高的问题。通过将一个MlMO信道看作等效的带干扰的SISO信道，本文提出一种基于干扰抵消的迭代参数估计技术，能够有效地解决最大似然估计复杂度过高的问题，并且能够获得良好的估计性能。