实际系统中受诸多因素的影响,MIMO 系统随天线数线性增长的理论信道容量难以完全获得。在诸影响因素中,论文主要考虑了和接收密切相关的两点,接收算法的不理想和信道估计的不理想。首先,实际系统为了降低接收机复杂度,往往采用非最优接收算法,造成信道容量损失。另外,接收端对信道状态信息的了解是系统获得理论信道容量的先决条件。实际上信道估计的开销和误差都不可避免地对信道容量产生很大影响。基于这种考虑,论文从以下两方面进行了研究。论文第一部分假设多天线系统采用训练方法得到信道估计,并采用并行的ZF、MMSE 检测技术。我们首次在综合考虑信道估计开销,估计误差以及非理想接收信息量损失的情况下,推导出系统可获得的容量公式;基于对容量公式的分析得到了在训练和数据等功率情况下,使非理想接收的多天线系统获得最大容量的训练长度。接下来基于对非理想接收情况下传输中断概率和容量分布的分析,提出了简单的天线选择方案,在不增加发送复杂度和RF 设备的情况下,大大改善了容量特性。论文第二部分针对采用盲信道估计算法的MIMO 系统。由于OFDM 可以极大降低MIMO系统接收机的复杂度,我们的研究主要着眼于MIMO-OFDM系统。借助于对MIMO-OFDM 系统子载波信道和子载波信号相关特性的研究,论文提出了两种新的MIMO-OFDM 盲信道估计算法结构。结构I 利用多径引入的子载波信道相关性,有效地降低了估计复杂度,同时使估计可以借助于一到两个OFDM 符号完成,适用于快速变化的信道环境。结构II 的提出是借鉴一种单入单出OFDM 系统的子载波预编码方法。借助于编码产生的子载波信号相关性,只需要估计一个子载波信道,就可以通过简单的互相关操作恢复其它子信道。优势在于复杂度很低。论文论述了每一种算法结构的原理,从理论分析和计算机仿真两方面对算法性能进行了研究。同时基于对采用不同算法结构的MIMO系统容量的分析,给出了不同应用环境下的推荐方案。