本文基于统计信号处理理论,研究了分布式多天线即多输入多输出(MIMO)系统及其与正交频分复用(OFDM)结合系统的同步参数估计问题,以信道衰落和频偏的联合估计下界为评价指标,从算法复杂度和收敛速度两个角度研究了最优和多种次优迭代算法。主要工作包括:分析了期望最大化(EM)估计框架下两种空时分割的简化算法:期望条件最大化(ECM)算法和空间交替广义期望最大化(SAGE)算法。分析了相关频偏估计算法,用来取得各迭代算法的初值。为了对各算法的同步性能做出评价,分析推导了克拉美罗界与渐近克拉美罗界。为克服算法收敛不稳定问题,提出在ECM算法和SAGE算法的最大化步中采用与极大似然估计相结合的改进参数更新方法,以增进算法收敛过程中的稳定性。在搭建的分布式MIMO系统的传输平台上仿真比较了各算法性能,仿真结果表明克拉美罗界与渐近克拉美罗界具有很高的近似程度;ECM与SAGE算法均能达到逼近克拉美罗界的精度,且在高信噪比时没有误码平台;两种改进的迭代算法都具有更高的稳定性,其中,改进的SAGE算法兼具计算复杂度低、收敛速度快和稳定性高的优点。本文还将两种改进算法推广应用到瑞利信道下MIMO-OFDM系统的同步问题中,推导了这两种算法的实现形式。考虑了平均分配与不等分配各发送天线的功率时算法的收敛性能问题。通过仿真分析比较得出:两种改进算法在此系统下能够逼近克拉美罗界,改进SAGE算法具有更高的收敛速度;噪声在各发送天线间平均分配时具有最高的收敛速度。