突发通信正广泛应用于TDMA和无线移动自组织网络等各种多接入通信系统中。与传统的连续通信模式不同,突发通信的数据传输是以持续时间较短的突发数据帧为单位进行的,而并非连续的数据流。这样的特点决定了接收机在诸如同步参数提取等方面必须采用不同于连续模式通信接收机通常所采用的技术手段;同时,对突发通信系统的物理层通信协议、通信体制的设计必须考虑到网络容量、频谱效率等因素,这些也都对接收机设计提出了不同的要求。对突发通信相关关键技术问题的研究是设计和实现突发通信系统的基础,而突发通信中的参数估计即是首先需要研究和解决的重要问题之一。在诸多的信号处理算法中,期望最大化(Expectation-Maximization)算法是近年来比较流行的一种统计计算方法,因为其具有收敛速度快、实现简单以及极强的开放性等特点,近年来已被许多学者专家所研究,并被广泛应用到包括通信信息学科在内的各个领域中。论文紧紧围绕突发通信中的参数估计问题,针对载波频偏、多径时延参数以及信噪比这几个影响系统通信性能的关键参数,在对EM算法进行分析研究的基础之上,提出了各自的基于EM结构的参数估计算法,主要工作和创新点有以下几个方面:1.以联合利用已知导频符号与未知数据符号为切入点,提出了基于一般EM结构的导频符号与未知数据符号联合辅助的频偏估计算法。区别于传统的仅利用导频符号的DA估计方法和仅利用未知数据符号的NDA估计方法,旨在寻求有效的联合利用突发数据帧中的已知导频和未知数据进行联合辅助的参数估计方法,以达到在不影响系统频谱利用率的前提下最大限度的提升估计性能的目的。利用EM算法结构,引入未知数据符号作为“缺损变量”,构造“完备数据”模型,通过迭代的计算完备数据似然函数的条件后验期望,并使之最大化来获得载波频偏的最大似然估计,实现了在不增加导频符号数量以至于影响突发通信系统频谱利用率的前提下,有效的提升载波频偏估计性能。2.针对所提出的一般EM结构下的联合辅助频偏估计算法存在的缺陷和不足,进而提出了改进的基于递归结构的EM(Recursive EM)联合辅助估计算法。对于一般EM结构的联合估计算法而言,如果一次引入过多的未知数据符号参与估计会导致算法收敛慢,而且容易使算法收敛到局部极值点,造成估计性能的恶化。提出的改进的基于递归结构的REM估计算法采取序贯递归的方式引入未知数据符号参与估计,可以有效的加快算法的收敛速度,同时以较大的概率使算法收敛到全局极值点,保证了频偏估计精度随着引入未知数据符号数量的增加而逐步提高。仿真表明,相比于NDA估计算法,上述的两种基于EM结构的联合估计算法在低信噪比下的估计精度更高;即便使用较少数量的导频符号,联合估计算法也可以达到使用较多数量导频符号时DA估计算法的性能。因而,对于突发通信系统,联合估计算法在平衡估计精度和系统频谱效率上具有更好的灵活性。根据突发通信系统的设计要求可以灵活的选择数据突发中导频符号的数量以及算法使用的未知数据符号的数量,使得通信性能和频谱效率都能得到较好的满足。3.在对多径时延最大似然估计的研究基础上,分析研究了基于EM算法结构的多径时延参数估计问题。分析研究了基于ML准则的多径时延参数估计问题,并推导了多径时延参数估计的CRLB下界。通过EM算法,将原先需L维优化的复杂的多径时延参数最大似然估计问题,转化为一维优化的简单参数估计问题的迭代,使得L路多径信号参数估计问题,变为L个并行的单信号参数估计问题的迭代,大大减小了估计算法的复杂性。4.在对基于EM结构的多径时延估计问题研究基础之上,以降低算法运算复杂度、提高算法的迭代收敛性能为目的,对算法提出了如下几点改进措施:(1)频域数据预处理:当多径信号时延不是采样周期Ts的整数倍时,要提高时延估计的精度就需要采取内插处理。对EM算法而言,如果在其每次迭代中都使用内插处理将会大大增加算法的运算量。通过对接收数据进行预处理,利用DFT将其变换到频率域后再进行EM迭代估计,避免了原先在迭代过程中频繁的内插处理。(2)基于AP的迭代初值设置策略:EM迭代算法对初始值的选取非常敏感,这既影响EM算法的收敛结果,同时也影响算法的收敛速度。初始值设置不当很可能会使算法收敛到一个局部极值点。本文将轮换投影(AP)方法应用于多径时延EM估计算法的迭代初始值选取中,通过仿真表明,该初值设置方法能有效的提升算法的收敛速度,达到了预期的效果。(3)基于SAGE的参数顺序更新策略:算法的收敛速度反比与所选“完备数据”的Fisher信息量,采用顺序的参数更新方式的EM算法,其“完备数据”的Fisher信息量要小于采用并行的参数更新方式的算法,因此前者具有更快的迭代收敛速度。据此提出了基于SAGE的参数顺序更新策略,即在算法迭代过程中通过改变参数β的取值以实现参数顺序更新,从而大大的减小算法收敛所需的迭代次数,进一步降低了算法的运算量。(4)自适应的搜索区间调整策略:随着迭代的进行,参数更新的步长会越来越小。据此提出了参数自适应的搜索区间设定策略,根据已经获得参数估计值确定当前迭代中参数可能的分布区间,使得搜索区间的长度随迭代逐渐减小,从而加快了算法收敛的速度,进一步减少了算法的计算量。5.提出了基于EM结构的导频与数据联合辅助的信噪比估计算法。与论文第一个工作的思路类似,区别于经典的仅利用导频的DA估计方法和仅利用未知数据的NDA估计方法,提出了基于EM结构的导频与数据联合辅助的信噪比估计算法。在导频符号长度受到系统频谱效率限制的条件下,通过利用导频符号和未知数据符号两部分信息进行联合迭代的估计,相比于仅利用导频符号的DA估计算法而言,有效的提升了信噪比估计性能,在较高信噪比下达到了使用更多导频符号进行估计的CRLB;并且在较宽的信噪比范围内,该联合估计算法的性能优于仅使用未知数据符号的最大似然、M2M4等其他经典的盲估计(NDA)算法。