在低信噪比条件下构建通信系统，是下一代无线通信系统的主要设计方向。使收发机运行于低信噪比环境，不仅可以降低多径衰落对信道容量的损耗，提高系统能量效率，还能提高频谱利用率，降低用户间干扰，延长待机时间。但是，低信噪比条件也对参数估计、算法设计提出了极大的挑战，尤其是使非数据辅助的估计算法的性能随信噪比的降低大幅下降。正交频分复用(OFDM)系统非常适合在多径信道环境下高速传输数据，并且具有高频谱利用率的特点。但是，随着信噪比的下降，OFDM系统的部分关键参数的估计性能迅速下降，严重影响了系统的整体性能。　　该文研究了OFDM系统部分关键参数（信道阶数，噪声方差和信噪比）的非数据辅助的估计问题。针对其在低信噪比条件下估计性能严重恶化的问题，提出了三种改进的估计算法。该文研究的主要内容和创新点如下:　　1、提出了一种基于联合赤池信息量准则(AIC)的非数据辅助的信道阶数和噪声方差的估计算法。算法中应用了一种新的基于联合AIC的代价函数。新的代价函数不仅利用了循环前缀(CP)冗余性，同时也利用了信道记忆性。对比只利用了CP的已有算法，该算法可以在低信噪比条件下更准确地估计信道阶数和噪声方差。仿真结果表明，在低信噪比条件下，该算法针对信道阶数的估计获得了约8dB的信噪比增益;同时，针对噪声方差的估计，该算法显著提高了估计精度，抑制了信噪比低于20dB以后估计精度恶化的问题。　　2、提出了一种基于联合极大几何均值(MGM)的非数据辅助的低运算复杂度的信道阶数和噪声方差的估计算法。算法中应用了一种新的基于联合MGM的代价函数，该代价函数同时利用了CP冗余性和信道记忆性。对比基于联合AIC的代价函数，新的基于联合MGM的代价函数显著降低了运算复杂度，并且在低信噪比条件下获得了更好的估计精度。对比只利用了CP的已有算法，该算法可以在低信噪比条件下获得更准确的信道阶数和噪声方差的估计。仿真结果表明，在低信噪比条件下，该算法针对信道阶数的估计获得了约10dB的信噪比增益;同时，针对噪声方差的估计，该算法显著提高了估计精度，抑制了信噪比低于20dB以后估计精度恶化的问题。　　3、提出了一种基于最佳线性无偏估计(BLUE)的非数据辅助的两步式信噪比估计算法。该两步式算法由第一步的粗估计和第二步的修正估计组成。在第一步中，利用OFDM信号提供的CP冗余性，得到了关于信号功率和噪声方差的三个线性独立的粗估计。在第二步中，求助于BLUE对这三个粗估计进行修正，得到了关于信号功率和噪声方差的修正的估计，进一步得到最后关于信噪比的估计。相对于只利用了三个粗估计中两个估计量的已有算法，该文综合利用的三个粗估计，在低信噪比条件下，能够显著提高噪声方差和信噪比的估计精度。仿真结果表明，在低信噪比条件下，该两步式算法，针对噪声方差、信号功率和信噪比的估计，分别获得了约6dB、2dB和4dB的信噪比增益。