由于无线传感器网络在现代信息化社会中应用日益广泛,因此在学术界和工业界均引起广泛关注。部署在无线传感器网络中的传感器在功率、带宽和处理时间等资源方面通常是受限的,而随着传感器网络规模的扩大,如何在资源受限的前提下提高系统的推理性能成为一个亟待解决的问题。为应对该挑战,本论文提出一种基于协同压缩策略联合优化的数据处理融合框架。该框架旨在使系统在获得良好推理性能的同时尽可能降低系统通信成本。并在所提出的新框架基础上,开展了参数估计和信号检测的问题研究。主要研究内容如下:1.为了降低无线传感器网络的通信成本,本文提出一种协作-压缩数据处理框架。该框架下各传感器先依照固有的拓扑结构与其相连的传感器共享其观测信息,再从N个传感器中选取出M（M＜N）个传感器组成子集将其观测值线性压缩至低维度数据,并发送至信息融合中心,最后融合中心根据接收到的数据进行决策推理。本文基于该框架对序贯参数估计问题开展了研究。通过最小化序贯均方误差准则,对能量受限条件下的协作-压缩策略进行了联合优化设计。由于针对协作策略的优化目标函数非凸,本文利用稀疏协作矩阵与由协作策略矩阵中非零元素组成的非稀疏向量间的映射关系将原优化问题转为二阶约束二阶规划问题再求解,其转化技巧同样适用于压缩策略的求解。虽然文中针对压缩策略的优化问题仅给出了将数据压缩至一维标量的特解,但是该求解方法也适用于将数据压缩至任意低维的情况。针对压缩策略的求解问题,本文提出了两种压缩方案:一种是集中式压缩方案,即压缩矩阵由信息融合中心进行优化设计;另一种为分布式压缩方案,即压缩矩阵由传感器利用自身观测值和历史信息在本地优化设计。本文所提出方法适用于时变随机向量的估计。通过仿真验证,本文提出的协作-压缩数据处理框架可以在通信成本受限的条件下有效提升系统的参数估计性能。2.在所提出的协作-压缩框架基础上,本文进一步对随机信号检测问题开展了研究。旨在通过对协作和压缩策略的联合优化设计,获得通信资源受限条件下的最优可实现检测性能。由于以协作和压缩策略为自变量的检测性能函数表达式非常复杂,难以评估该框架下的随机信号检测性能。因此,本文构建了基于广义偏转系数的性能评估函数,并对采用广义偏转系数作为检测性能评估函数的可行性进行了充分论证。广义偏转系数具有易于计算且不受限于高斯假设条件等优点。随后,本文将基于最大化广义偏转系数的协作-压缩策略联合优化问题转化为最大化广义瑞利熵问题。最后,本文通过仿真对设计的协作和压缩策略性能进行了验证。3.在所提出的协作-压缩框架基础上,本文对已知信号检测开展了研究,并对独立观测值和相关观测值两种情况分别展开了讨论。当传感器间的观测值彼此独立且传感器网络拓扑结构满足行正交条件时,系统的检测性能随着偏转系数的增加而单调增加。利用该特性,推导了协作-压缩框架下已知信号检测性能评估函数。基于协同-压缩策略的已知信号检测性能评估问题可拆分为两个子问题:功率分配问题和固定能量分配条件下彼此相互独立的协同压缩策略优化问题组。而针对接收数据相关且拓扑结构任意的情况下,直接优化目标函数极其困难的问题,提出了利用检测性能评估函数的下界作为替代函数的方案,并通过最大化下界函数对协作压缩策略进行了优化求解。针对基于宽松下界的检测性能评估函数最大化问题推导了闭式解。而由于针对严格下界的检测性能评估函数最大化问题为非凸优化问题,引入了非精确增广拉格朗日方法推导得到其一阶驻点。最后,通过仿真对设计的协作和压缩策略性能进行了验证。