随着全球范围内科技的创新与发展,无人驾驶设备在人类生产生活方面占据的地位逐步上升,基于无人驾驶设备的通信系统成为众多领域的研究热点。但是,频谱资源日益紧张和信息传输规模增长迅速是当下亟待解决的难点。为了克服这些难点,协作通信等技术应运而生,并且迅速在众多行业范围内受到高度重视。在无人驾驶设备与这些新技术相结合的过程中,准确有效地获取通信链路中的发送信号和信道状态信息（Channel State Information,CSI）十分重要。由于无人驾驶设备本身是处于运动状态的,在信息传输过程中的信道会表现出快速的时间变化率。然而,传统的信号获取方法大多是假设系统的CSI保持不变,并且可通过导频序列等已知信息获取CSI,从而获得信号信息,这降低了通信系统的频谱效率,在实际的场景中实现起来具有局限性。基于多维矩阵的信号获取方法能够不使用或仅使用少量的导频序列,可有效提高系统的频谱效率,同时,该类方法结合信道的时变性进行深入探讨和研究,拓展了无线通信领域信号获取技术的研究深度与广度。在无人驾驶协作编码系统中,准确、高效地获取CSI和信号信息具有挑战性。本文主要研究了基于嵌套多维矩阵模型的信号获取和信道估计方法,将时变信道引入到系统模型的构造中,并对接收端接收到的信号所构成的两种嵌套模型展开了深入的研究,利用不同多维矩阵模型的分解特点,提出了新颖可靠的估计算法。本文的主要研究如下:（1）在无人车时变协作编码通信系统中,将驾驶状态的无人车作为通信链路中的信源节点,对经过Alamouti编码的符号进行发送,中继节点使用操作方法最简单的放大转发（Amplify and Forward,AF）技术将该信号传输到数据处理终端。因此,无人车、中继节点和数据处理终端节点组成了一个两跳的通信系统。基于数据处理终端所构造的嵌套平行因子（Parallel Factor,PARAFAC）-PARAFAC2（Nested PAPAFAC-PARAFAC2,NPP2）多维矩阵模型,设计了一个基于批量特征值分解（Batch Decomposition of Eigenvalues,BADPEV）的半盲接收机。该接收机分为两个阶段:第一阶段是由中继发送导频序列,无人车不发送信号,在数据处理终端节点利用求逆操作估计第二跳通信链路的CSI;第二阶段是对无人车发送到数据处理终端的信号进行分解,并基于第一阶段所估计的CSI,得到第一跳CSI和发送符号。仿真对比证明了该接收机性能优于两阶段训练（Two-Stage Training,TST）接收机与其他作者基于嵌套模型提出的两跳接收机,且更接近作为性能参考边界的迫零（Zero-Forcing,ZF）接收机。（2）为了更深入的研究通信系统中的时变信道,针对无人驾驶飞机（Unmanned Aerial Vehicle,UAV）时变协作编码系统,设计了一种基于嵌套Tucker-2-PARAFAC的多进程交替最小二乘（Nested Tucker-2 PARAFAC Multi-Process Alternating Least Square,NT2P-MALS）接收机。在该系统中,将UAV作为中继节点,由于其处于飞行状态,两跳通信链路中的CSI可设为时变信道。因此,信息整合中心接收到的信号可以构造为NT2P多维矩阵模型。基于该嵌套多维矩阵模型的结构特点,NT2P-MALS接收机利用多进程迭代的方法进行模型拟合,对UAV时变协作编码系统的两跳CSI和发送信号进行联合估计。通过仿真试验,相比于TST接收机和其他作者提出的两跳接收机,文章所设计的接收机具有更好的性能,除此之外,NT2P-MALS接收机达到收敛状态所运行的迭代次数明显少于交替最小二乘（Alternating Least Square,ALS）接收机。