在近几十年里，量子信息学获得了广泛的关注和快速的发展。量子度量学是量子信息的重要组成部分，它是量子力学和参数估计理论的结合。量子系统与外部环境的相互作用会导致退相干，这通常会对参数估计的精度产生负面影响。因此，如何抑制退相干在量子度量学中是一个重要课题。本论文中主要研究退耦合脉冲在抑制退相干和提高参数估计精度中的作用。　　在第一章里，我们对量子信息做了一个简单介绍。作为本文的基础，在第二章里，我们主要介绍了量子Fisher信息及其基本性质。量子Fisher信息在参数估计理论中具有非常重要的地位。这是因为，利用量子Fisher信息，可以得到参数估计精度的理论上界。　　在第三章中，我们介绍了一个利用退耦合脉冲来提高参数估计精度的模型。该模型中，量子比特系统与其所处的热库相互作用导致退相干。为了抑制退相干，提高参数估计精度，加入周期性退耦合脉冲。该模型中估计的参数是一个与二能级系统的跃迁频率相关的量。　　在该模型的基础上，我们在第四章中进一步考察了周期性退耦合脉冲在抑制退相干和提高参数估计精度中的作用。首先，我们考察了量子比特系统的初始态含有待估计参数时的情况，我们分别计算了一个两量子比特的例子和一个单量子比特的例子。结果表明，在这种情况下周期性退耦合脉冲的加入同样有助于提高参数估计精度。随后，我们利用并发度和形成纠缠定量考察了周期性退耦合脉冲的加入在保持量子纠缠中的作用，作为对比，我们计算了量子比特系统处于两个不同初态时的例子。在本章的最后，我们对所得结果做了总结。