在传统的线性信号处理领域,高斯噪声假设有着很强的理论依据,尽管如此,但它并不适用于脉冲噪声环境下的建模,即不能够描述可能产生大量数据突变的分布。取而代之的是具有更长拖尾的Alpha稳定分布噪声模型。该模型作为高斯分布的推广,有坚实的理论基础、广泛和极为重要的应用场景以及采集数据的支持。由于Alpha稳定分布噪声背景下解调方案的理论研究尚处于起步阶段,所以研究Alpha稳定分布噪声背景下的解调技术具有前瞻性和实用性。因此本文首先针对噪声参数的估计方法进行推广,以满足有记忆调制方式的应用需求;其次针对整体解调系统的架构进行了研究,以使误码性能得到改善。具体成果及创新如下:(1)对于噪声参数估计方法的推广,本文提出一种MSK调制方式下Alpha稳定分布噪声参数的估计方法。该方法以经验特征函数算法的内核为蓝本,借助马尔可夫链构建状态转移矩阵以应对有记忆信号特征函数的求解难题,并基于复数域推导复Alpha稳定分布噪声的特征函数,从而同时凭借接收信号两个维度的信息,以更优的估计性能得到特征参数α和尺度参数γ的估计值。并且通过仿真验证了所提方案较同等条件无记忆调制方式下的估计性能更优;(2)对于整体解调系统架构的研究,本文提出了一种加性Alpha稳定分布噪声环境下信号解调的方案。该方案的关键在于Alpha稳定分布噪声的抑制,后续按照传统高斯白噪声背景下的解调方法进行解调。在抑噪部分中,通过建立自回归模型(Autoregressive Model,AR)的逆系统来实现白化滤波器的设计,并在分析高斯化和白化对信号和噪声影响的基础上,引入发送端对调制信号的预失真处理来抵消白化滤波器对信号的影响。仿真结果表明,与仅仅进行高斯化处理的系统相比,该系统的抑噪性能更优,即系统误码率更低。此外,该系统具有普适性,在2DPSK与GMSK调制方式下同样适用。