在未来的无线通信领域,广泛应用于长期演进标准(Long Term Evolution, LTE)的多输入多输出(Multiple-Input Multiple-Output, MIMO)技术以其得天独厚的优势受到了越来越多的关注和研究。目前,从业界对MIMO技术的研究可以发现,MIMO技术应用的主要形式是分布式MIMO系统。由于其组网灵活,可以根据具体需要设置收发天线,分布式MIMO系统提供了更高的系统容量。由于发射天线和接收天线可能分布在不同的地理位置,信号经历了不同的传输信道和衰落,因此分布式MIMO系统对时间和频率同步提出了更高的要求,这也是分布式MIMO系统能充分发挥自身优势所必须解决的问题。尤其是在低信噪比环境下,如何克服多天线干扰(Multiple Antennas Interference, MAI)达到同步性能成了研究的重点。本文主要针对分布式MIMO系统的频率同步问题做了深入的研究,提出了一些新的频率同步算法,这些算法尤其适用于低信噪比环境下的频率同步。首先,论文第一章介绍了研究背景和MIMO技术在未来无线通信领域的地位,说明了研究的必要性。然后,简要介绍了MIMO系统的一些基本原理及其自身的优势,指明了论文研究的基本问题和主要目的,阐述了论文的主要贡献,并对论文的主要内容做了安排。其次,论文第二章概述了目前主要的一些频率同步技术。分布式MIMO系统频率同步的实质是一种多频偏估计,可以借鉴单天线和集中式多天线系统频率同步技术。类似的,分布式MIMO系统频率同步算法可以分为基于最大似然原理类的频率同步算法和基于准最大似然原理类的频率同步算法。最大似然频率同步算法是理论上最优的检测算法。值得注意的是,分布式MIMO系统存在严重的MAI,如何克服MAI成了频率同步亟待解决的问题。虽然求解基于最大似然频率同步算法的期望最大(Expectation-Maximization, EM)类算法可以克服MAI,但又往往会受到估计初值和局部收敛问题的影响,低信噪比环境使这种影响更为明显。因此,在低信噪比环境下如何有效地实现频率同步是本文研究的另一问题。针对上述问题,论文在第三章着重探讨了求解基于最大似然原理的频率同步算法,即EM类算法的应用。该算法可以克服MAI,逼近克拉美罗下限(Cramer–Rao Low Bound, CRLB)。在低信噪比区,由于EM类求解算法自身对初值敏感加上噪声的严重干扰,难以收敛到全局最优值。为此,论文在第三章提出了基于球形译码迭代的多频偏估计算法,该算法没有像EM算法那样依赖梯度变化找寻最优值,而是在以初值为中心和与渐近CRLB有关的半径范围内随机撒点,找寻最优值。仿真结果证明该算法不仅能突破MAI,逼近CRLB,而且能解决依梯度变化搜索而导致的难以跳出局部最优值区域的问题,使得算法在低信噪比区域具有稳健的频率同步性能。由于频偏随着环境的变化而变化,比如受到温度、湿度等影响,如果能合理的获取频偏的先验信息,那么对提高频率同步性能有重要的作用。基于此,论文第四章提出了基于先验信息的多频偏最大后验(Maximum a Posteriori, MAP)估计算法。论文首先在最大熵原理的基础上确定了先验信息的分布应为高斯分布,并给出了确定先验信息参数的方法,最终得到多频偏的MAP估计表达式。在此基础上,论文进一步推导了一种次优的准最大后验(Quasi Maximum a Posteriori, QMAP )多频偏估计算法,该算法采用修正值的办法减少了因先验信息引入带来的复杂度。与最大似然估计相比,仿真结果表明最大后验多频偏估计算法能改善估计性能,特别是在低信噪比区域,这种优势越发明显。频率同步技术是分布式MIMO系统实现的关键技术之一,本文对此作了深入的研究,提出的频率同步算法具有重要的理论意义。同时,算法尤其适用于低信噪比环境下的频率同步,具有广泛的实际应用价值。