3G技术的增强需要高效的多用户检测(Multi User Detection: MUD)方法，未来的4G无线通信中需要多输入多输出(Mlti-Input Multi-Output：MIMO)检测技术，而二者又有相似的数学模型，故我们可以把二者统一到一个数学模型框架下进行研究。本文主要研究了基于马尔科夫链蒙特卡洛(Markov Chain Monte Carlo:MCMC)方法的MUD和MIMO检测技术，最终的目的是在检测的计算复杂度和系统的性能上进行有效的平衡。　　 首先，针对多用户检测和MIMO检测应用在不同的通信系统中的情况，本文仔细分析了二者的原理，并将这两种检测模型建立在了一个统一的数学模型框架下，这样便于各种检测方法在二者之间互相转换。　　 其次，针对MUD和MIMO检测软硬判决取舍问题，本文将和谐搜索(Harmony Search:HS)算法应用到硬判决中，并通过实验仿真说明了硬判决的缺陷，从而为软判决的应用打下了基础。　　 再次，在MCMC抽取样本后，针对由样本估计后验概率的四种方法：统计推断(Statisticalinference: SI)、最大对数(Max-Log)、Markov Chain Rao-Blackwellization(MCRB)和均匀MCRB(MCRB Uniform: MCRB-U)，我们分析了这四种方法的计算复杂度和性能。通过对SI方法的仿真，我们发现当用检测的外信息作为码字的软输入时，随着迭代次数的增加不能提高系统的性能，与之相应的改进方法是以检测的后验概率作为码字的输入可以提高系统性能。计算Max-log有两种方法：翻转MCMC(Flip MCMC:F-MCMC)和约束MCMC(ConstrainedMCMC: C-MCMC)，通过仿真发现，在相同的计算量的情况下，二者的性能相差不大。同时，在分析MCRB-U的基础上，我们指出了Max-Log方法是MCRB-U的一种特殊情况。　　 最后，针对MCMC采样过程中样本容易陷入局部采样问题，本文将统计计算上的研究方法(模拟温度方法、采样MH方法、并行温度方法、进化蒙特卡洛方法)应用到了MUD和MIMO检测中。　　 由于模拟温度方法容易复制质最差的样本，我们基于条件概率公式和辅助变量的方法，提出了改进模拟温度方法，这种改进后的方法性能较改进前的性能有了很大的提升。　　 采样MH方法的优点是候选样本与当前的人口进行比较，然后按一定的概率接受候选样本，但采样MH方法的缺陷是产生候选样本的种类单一。受并行温度方法的启发，我们提出了改进采样MH方法。这种方法对多条具有不同温度参数的链同时采样，改善了MH方法产生候选样本单一的缺陷。在接受候选样本时为了避免温度的影响，我们修改了候选样本接受概率的表达式。实验仿真表明，改进的模拟温度方法性能要好于改进的采样MH方法性能。