随着当前无线通信与互联网的迅猛发展,移动设备接入数量与日俱增,人们在适应移动互联生活的同时也对无线通信系统的传输质量和传输速率提出了更高的要求。多输入多输出(MIMO)技术由于能在不增加系统带宽的情况下成倍的提高系统传输速率和频谱利用率,已经成为新时代无线通信系统的关键技术之一。然而使用多天线进行发送和接收,导致了对接收信号的处理变得复杂,而且这种复杂度更会随着大量天线的布置极速增加,因此研究复杂度低、误码率低的信号检测算法依然是无线通信技术的一个重要研究方向。本文基于深度神经网络针对MIMO信号检测技术展开深入的探讨和研究。首先介绍MIMO技术的研究背景以及发展现状,随后对MIMO信道特性、系统模型进行分析,阐述多种典型的MIMO系统信号检测算法并简要分析算法复杂度,之后对几种常见的深度神经网络模型及其原理作简要介绍。然后通过分析MIMO接收信号的类别特性,阐述了接收信号的类别特性与发送信号之间的联系,分析不同信噪比之下特征信息的可识别程度,给出了基于自动编码机(AE)进行信号特征提取以及超限学习机(ELM)实现特征识别和分类的信号检测算法,并通过仿真实验验证了算法的可行性与良好性能,随后的研究中为了提升算法时效性又进一步给出了基于ELM自动编码机的信号检测算法,通过实验分析了模型中参数的选取依据,对比仿真了各个算法的性能证明该检测算法具有更优秀的误码率性能和更高的时效性。