雷达传感器网络对国家安全发挥着越来越重要的战略作用,并已渗透到社会各个方面。相比传统的雷达系统,雷达传感器网络面临更多的挑战,如频谱资源短缺、多体制模块并存以及小型化及能耗大等问题,进而导致节点间干扰增加,模块间干扰污染以及机动性受限等。出现这些问题的根本原因在于,传统分离式多模块设计已不能满足当今日益密集的雷达传感器应用场景需求。解决雷达传感器网络中这个问题的有效方法之一是通信与雷达融合设计技术。随着通信系统与雷达系统之间在硬件结构、工作频段以及信号特征上的差异性逐渐减小,通过合适的融合方法使其一体化,对雷达传感器网络的大规模推广部署具有重要意义。在通信雷达融合系统中,融合信号处理技术对融合系统的发展起到至关重要的作用,但仍面临诸多挑战。在频谱资源受限的环境中如何解决多用户接入以及用户间干扰问题,以及如何在保证高通信容量的同时实现高性能探测问题。传统的信号处理算法通常受到波形信息的影响,且在低信噪比下表现欠佳,这也限制了融合系统的应用范围。稀疏表示作为一门新兴理论,在信号采样及处理等方面具有诸多优势。而随着多输入多输出(Multiple-Input MultipleOutput,MIMO)技术在通信及雷达领域的推广应用,信号维度扩展带来的性能优势越来越明显。在这方面,稀疏表示在更高维度的扩展——张量表示,相比于传统方法,则可以更为有效地利用该优势,利用张量的低秩特征获得更好的性能。为此,本文针对基于正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术的通信雷达融合系统,重点研究基于稀疏和张量表示的目标参数估计问题。主要内容包括如下几部分:首先,本文研究了融合系统中基于张量分解的目标参数估计方法。在传统的融合系统信号处理方法中,大多基于向量或者矩阵的建模方式,对于具有多维结构的信号,通常采用各维度顺序处理方法实现目标参数估计过程。然而,这一方面容易破坏信号的内部多维结构特征,导致丢失部分信息,影响参数估计结果,另一方面则带来额外的参数配对等问题,导致虚假目标的出现。本文研究了如何利用张量方法实现融合系统中的目标参数估计。首先用张量对目标参数估计问题进行建模,并采用张量分解算法,将目标多维联合参数估计问题转化为多个一维参数估计问题。针对传统张量分解算法存在不稳定以及容易陷入局部极值的问题,本文提出了基于多路随机初始化的张量幂法实现张量最佳秩1近似求解,并提出了贪婪CP分解算法将秩大于1的张量分解问题转化为多个张量秩1近似问题,有效提升了算法的稳定性并减少了算法陷入局部极值的机会。为了利用张量分解中各因子向量的参数化结构特征,提出了参数化校正算法。仿真实验结果表明所提算法对目标参数估计性能提升明显。之后,本文研究了基于张量补全的目标参数估计方法。通信雷达融合系统需要兼顾通信和雷达探测功能,为了提高目标参数估计的精度,通常需要采用大时宽带宽积信号,这不仅对硬件处理能力提出极高的要求,也造成了频谱资源的极大浪费。这里针对存在欠采样的通信雷达融合系统,提出了基于张量补全的目标参数估计方法。由于目标参数估计问题中参数自由度远远小于传统张量分解及张量补全算法中的参数自由度,为了进一步提升目标参数估计性能,从函数化张量角度出发,提出了函数化张量分解算法用于张量补全的求解。结合具体问题场景,采用网格粗估计和牛顿迭代精确估计实现函数化张量最佳秩1近似求解,并采用贪婪迭代算法对秩大于1的张量进行求解。为了降低函数化张量分解的计算复杂度,提出了傅里叶变换域预处理思想。仿真结果表明,在不同的欠采样参数和目标场景中,提出的算法相比现有算法都具有更好的性能,尤其是在低信噪比条件下表现优异。最后,本文研究了通信雷达融合系统中的多用户接入及对应的信号处理问题。在传统通信系统的多用户频谱接入方法中,通常采用分块频谱接入或等间隔频谱接入方法,但这对雷达探测能力带来了极大影响。并且,传统的融合系统信号处理方法在多用户接入场景中的目标探测能力不足,会带来旁瓣过大等问题。本文针对融合系统中的多用户接入问题,提出了基于合作式随机子载波分配的信道接入方法,并在接收端采用基于稀疏表示的算法求解。为了降低计算复杂度,提出多普勒阈值检测方法,可有效降低算法所需的计算量。文中针对所提出的多用户接入方法分析了用户间干扰功率的分布特征,并针对无用户间干扰和有用户间干扰的情景分别做了仿真分析,结果表明所提方法与融合系统中的传统方法相比具有更好的性能。