正交频分复用(OFDM,Orthogonal Frequency Division Multiplexing)是第四代移动通信的关键技术。阵列天线技术是解决频率资源匾乏的有效途径,同时还可以提高系统容量和通信质量。近几年来,人们研究将此技术应用于OFDM系统,实现波束形成和自适应信号处理,可以显著提高系统信号干扰与噪声功率比(SINR,Signal to Interference Noise Ratio),减少时延扩展和多径衰落,实现角度分集和空分多址,从而能有效对抗系统的共信道干扰,大大降低系统的误码率,提高系统的频谱利用率和系统容量。本文主要研究了阵列天线OFDM系统的信号检测与参数估计问题。全文的主要工作如下:首先,对OFDM和智能天线技术的发展、应用、基本原理和系统模型做了综述。对无线信道进行分析,并建立数学模型。然后,分析了载波频率偏移对OFDM系统性能的影响,并在介绍了OFDM系统中传统频偏估计算法的基础上,详细介绍了CP-ML(Maximum Likelihood based on Cyclic Prefix,基于循环前缀的最大似然估计)算法和ESPRIT(Estimation of Signal Parameters via Rotational Invariance Technique,借助旋转不变技术估计信号参数)方法。通过对阵列天线OFDM系统接收端的信号进行分析和重构,得出其具有多重不变性。据此,提出了利用MI-ESPRIT(Multi-Invariance ESPRIT,多重不变ESPRIT)算法进行盲频偏估计。仿真结果表明,MI-ESPRIT算法具有较好的频偏估计性能,并且随着OFDM符号块数目和天线数目的增加性能变好。它具有比CP-ML算法和ESPRIT方法更好的性能。MI-ESPRIT算法不需要任何已知的训练序列和循环前缀符号,是一种盲的方法。最后,对常用的阵列天线OFDM系统的波束形成算法做了综述。介绍了平行因子技术的数学基础。通过对接收端的阵列OFDM信号进行分析,得到其具有三线性模型特征。据此,提出了基于三线性分解的联合符号检测和DOA估计(Trilinear-JSDE, Trilinear decomposition-based Joint Symbol Detection and DOA Estimation)算法。仿真结果表明,Trilinear-JSDE算法的信号检测性能与非盲的post-FFT接收机非常接近,DOA估计性能非常逼近非盲的LS算法。算法性能随着样本数的增加而变好,即使在小样本下仍然具有较好的性能。Trilinear-JSDE算法不需要任何信道衰落信息、DOA信息和已知的导频或者训练序列,是一种盲的方法。