随着国民经济的飞速发展,车辆已成为现代城市的重要组成部分,但是随之而来的交通拥堵、事故以及环境污染等现象也成为了当今社会令人瞩目的问题。利用信息技术对车辆驾驶进行智能辅助,能够降低交通事故发生概率、提高道路利用效率,因此得到了业界广泛的关注。对车辆自身状态信息和周围环境信息(以下统称“情境信息”)进行实时、准确地获取是实施驾驶辅助、乃至真正“无人驾驶”的重要前提。获取高精度情境信息不但需要具备精准的探测能力,也需要能够与基站、协作车辆进行数据交互和融合。这对智能车辆的感知、通信能力提出了更高的要求。与此同时,车载传感器数目增多,会导致系统体积、能耗增加、电磁干扰严重等诸多问题。而雷达通信一体化(Radar-Communication Integration,RadCom)理论提出将雷达和通信功能通过同一套系统完成,能够降低硬件成本,节约频谱资源,是当今研究的热点课题。将RadCom技术应用于感知智能驾驶所需的情境信息,能够实现车载设备的通用性、小型化和多功能化,具有重要的理论意义和实际应用前景。本文以车辆智能驾驶的情境信息获取为目标,以高精度车载雷达为信息获取主要途径,根据智能驾驶对情境信息感知与融合的需求,提出了基于正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)的雷达通信一体化系统方案。在此基础上,进一步提出了基于多源数据的高效融合方法,以满足智能驾驶对增强情境信息感知的实时性、准确性和鲁棒性要求。具体工作可概括为如下四个部分:本文基于OFDM信号和相位编码(Phase Coded,PC)技术,设计了基于脉冲串PC-OFDM的雷达通信一体化信号,获取雷达和通信性能的折中。具体而言,本文从模糊函数(Ambiguity Function,AF)和包络峰均比(Peak-to-Mean Envelope Power Ratio,PMEPR)两方面研究其信号特性,理论推导了完整的模糊函数表达式,分析了距离和速度模糊函数与信号各参数之间的关系,为一体化信号设计提供理论基础。此外,本文提出了一种改进音频保留(Tone Reservation,TR)方法降低一体化信号包络起伏,在峰值减小音频(Peak Reduction Tones,PRTs)上构造互补集,使得模糊函数和包络控制方面同时取得较好的性能。针对情境信息中的目标参数估计研究,本文提出了低复杂度高可靠性的接收信号处理算法。首先基于连续波OFDM的一体化信号,采用基于调制符号的处理算法,结合频域过采样技术,实现了对目标距离、速度、角度和散射类型的联合估计。在此基础上,本文基于脉冲串PC-OFDM的一体化信号,结合相关和离散傅里叶变换(Discrete Fourier Transformation,DFT)的处理算法,利用相位编码的自相关特性,降低通信信息对雷达性能的影响。在利用脉冲相干积累获得高速度分辨率的同时,提出了一种最小二乘(Least Square,LS)的速度解模糊方法,能够在较低复杂度条件下获得高分辨率的距离-速度像。车辆的高速运动会产生明显的多普勒效应,从而引起OFDM信号的载波间干扰(Inter-Carrier Interference,ICI)。而多车协作中其他车辆的接入会导致目标回波信号受到其他车辆一体化信号的干扰。首先针对ICI问题,本文对连续波OFDM信号进行改进,提出了基于交织OFDM(Interleaved OFDM,I-OFDM)的一体化信号,并基于多普勒估计和校正实现了雷达的无ICI处理。在此基础上,提出了一种基于信号重构的混合信号分离算法,通过重构信号与接收信号相消恢复出目标回波信号。仿真结果表明,所提算法相比现有算法,对多普勒具有较强的鲁棒性,且对混合信号具有较优的分离性能,能够获取低信干比下高分辨的目标距离-速度像。鉴于车辆容易落入网络覆盖的盲区,本文提出了一种借助无人机的间接协作感知策略。针对低信噪比下微弱目标无人机的探测问题,本文对连续波OFDM信号进行改进,构建了基于重复OFDM(Repeated Symbols OFDM,RS-OFDM)的一体化信号,提出了一种联合多普勒补偿和压缩感知的处理方法,通过构建一维距离像稀疏模型实现对微弱目标的准确感知。在此基础上,采用动态非参数置信度传播(Dynamic Non-parametric Belief Propagation,DNBP)的间接协作定位算法,实现对GPS、RadCom、惯导感知数据的融合,并基于克拉美罗界(Cramer-Rao Lower Bound,CRLB)验证了所提算法在性能、复杂度方面的提升。通过本文的研究,解决了网络覆盖盲区车辆定位精度较低的问题。