对随机信号的处理是当今信号处理领域的热点问题，包括随机信号的分解、随机信号的滤波、随机信号的重构、随机信号的估计等，常常被应用于传感信号检测、多媒体信号处理、信号的盲源分离、地质勘探、雷达信号处理、通信系统接收端的信号检测等。在各种随机信号处理的方法中都需要按照某种准则来进行。例如：正交分解是按照正交准则，独立成分分析按照独立性准则，稀疏分解按照稀疏性准则等等。但是在有些实际问题中的随机信号的各个要素之间不是正交的，它们之间存在着某种或多或少的相关性，这些要素中有某些要素在随机信号的表现中起着主导作用。通过对这种随机信号的处理将其中具有相关性的主要要素分析出来，然后基于主要要素对随机信号进行表示，是随机信号处理的一个新的思路。在源信号具有相关性的盲源分离，在生物医学信号的诊断方面，在具有相关性信道的通信系统中的信号检测等方面，这种信号处理的方法具有重要的意义。　　在本论文中根据协同学中的序参量概念，基于协同学的宏观方法最大信息原理，提出了一种基于序参量的随机信号非正交分解方法以及一种基于序参量再生核的随机信号重建方法。基于序参量的随机信号非正交分解方法可以根据信号的自身特点依据信息熵自适应地选择序参量，抓住信号的主要特征，判断信号中的主要成分，无论这些主要成分之间是否具有相关性，都可以完成信号的非正交分解和表示。论文中还针对平稳信号和非平稳信号分别进行了讨论。本文将这种非正交分解方法应用到MIMO-OFDM系统中来进行相关信道特性的盲估计，通过仿真表明这种分解方法实现简单，性能较好。本论文将序参量概念与再生核理论相结合，提出了一种基于序参量再生核的随机信号重建方法，依据信息熵寻找到信号的序参量，再根据再生核理论，产生自适应的再生核函数，根据再生核希尔伯特空间的再生性，重建随机信号，仿真试验表明，这种方法的拟合效果非常好。本文将基于序参量的再生核估计方法与独立分量分析相结合又提出一种基于序参量再生核的ICA方法，并将此方法应用于MIMO-OFDM系统的多用户检测中，仿真结果表明，这种方法可以有效的检测出目标用户，且抗远近效应的性能也较好。