多输入多输出(Multiple-Input Multiple-Output,MIMO)技术可以在不使用额外的传输能量和带宽的情况下成倍的提高信号传输速率。MIMO系统的检测技术通过算法抵消信道干扰和信道噪声从而在接收端接收准确的信号。MIMO系统的检测技术经过多年的研究,到目前为止大约分为最优检测算法和次优检测算法,次优检测算法中又分为线性检测算法和非线性检测算法。最优检测算法拥有最好的检测性能但其过高的计算复杂度使该类算法在实际应用中收到限制。线性检测算法通过线性滤波器检测信号,该类算法的计算复杂度较低,但其检测性能难以达到现实所需。非线性检测算法的检测性能一般由于线性算法,但这往往是增加了计算复杂度的基础上。所以。MIMO检测算法的检测性能和计算复杂之间的权衡一直是人们研究的重点。本文的具体贡献如下:第一,本文基于星座距离提出信号可靠性判决(SRD)结构。该结构根据预算法的软输出与星座点的距离判断该输出信号是否为可靠信号,若为不可靠信号,则将对该信号进一步检测。第二,根据SRD结构,提出基于SRD结构的最小均方误差(MMSE-SRD)算法与基于SRD结构的最大似然估计(ML-SRD)算法。MMSE-SRD算法只对不可靠信号进行部分ML算法检测,与已有ML后验检测(ML-PDP)算法相比在保证检测性能不变的基础上,减少算法的计算复杂度。ML-SRD算法通过减少不可靠信号的候选点数量,在付出部分检测性能的条件下,极大的减少了ML算法的计算复杂度。第三,通过对排序干扰消除(OSIC)算法的分析,首先提出分层排序干扰消除算法(L-OSIC),该算法通过选择最差层进行详尽搜索,从而能大幅度提高OSIC算法的检测性能。然后基于SRD结构,提出选择性分层排序干扰消除算法(SL-OSIC),该算法通过减少最差层上的候选点数量,与L-OSIC算法相比在付出极小检测性能的基础上,明显的减少了计算复杂度。最后,通过SRD结构,提出并行干扰消除算法,该算法可以通过并行干扰消除,可以大幅度减少OSIC算法的计算复杂度。