张量分解是一种多维矩阵低秩分解的新思想,近年来其在无线通信领域及许多信号处理问题中得到了广泛应用。其思想是在满足张量唯一分解的条件下,可将多维信号低秩分解,进而通过拟合算法进行参数估计和信号检测。在无线通信系统中,根据系统结构和传输机制可以将多维信息关联的信号和系统构建成张量模型,并基于张量分解进行系统参数估计。相对于矩阵操作运算,张量分解能够充分利用多维信息,从级联信道中分离并同时估计各个链路的信道矩阵,避免了误差叠加,进而提高了信道估计精度。本文将张量分解应用到MIMO系统信道估计中,探究了基于张量分解的半盲信道估计问题,论文的主要工作如下:1、针对MIMO系统半盲信道估计问题,本文把接收信号建模为与收发端天线数、编码长度和时间帧长度有关联的多维矩阵。在满足其唯一性分解的条件下,提出一种基于平行因子分解(Parallel Factor Analysis,PARAFAC)模型的半盲信道估计方法。仿真结果表明,与基于导频的信道估计方法相比,所提方法不仅宽松了系统对接收端天线数的限制,而且只需少量的导频序列即可获得较高的估计精度。2、针对MIMO中继系统半盲信道估计问题,本文把接收信号建模为与发送端天线数、接收端天线数、时隙长度和发送符号块数长度有关联的多维矩阵。在满足两种模型唯一性分解的条件下,提出了一种利用对接收信号构造两重张量模型(外层为PARAFAC模型,内层为PARATUCK2模型)的半盲信道估计方法。仿真结果表明,与已有的基于导频的信道估计方法相比,所提方法有三点优势,一是宽松了接收端对天线数的限制,二是只需少量的导频序列,提高了系统频带利用率,三是能并行估计各个链路的信道矩阵,避免了误差叠加,提高了系统估计精度。3、提出利用正则交替最小二乘(Regularized Alternating Least-Squares,RALS)迭代算法拟合MIMO系统中的PARAFAC模型,与有关文献中的交替最小二乘(Alternating Least-Squares,ALS)算法相比,RALS算法不仅消除了矩阵求伪逆时可能带来的病态问题,而且算法复杂度低、收敛速度快。文章还仿真分析了所提RALS算法中的相关参数对算法性能的影响,这为合理的设置算法参数提供了依据。针对MIMO中继系统中构造的PARAFAC和PARATUCK2模型,提出利用两阶段的迭代算法拟合PARAFAC和PARATUCK2模型,与参考文献提出的迭代算法相比,所提迭代算法复杂度降低。