随着5G通信商用的大量部署,业界已经开始了对下一代移动通信技术（6G）的探索研究,以实现万物互联到万物智联,社会将会变得越来越高端化、智能化。雷达通信一体化作为实现6G的关键技术之一,也得到学术和工业界的广泛关注。雷达通信一体化系统主要可以分为双功能雷达通信系统和雷达通信共存系统。在双功能一体化系统中,雷达系统和通信系统可在接收机和/或发射机处共享相同的软硬件平台,达到同时实现雷达功能和通信功能的目的。在共存一体化系统中,雷达和通信系统的软硬件平台是分离的,但共享有限的频谱和/或其他资源;传统的共存一体化设计中,雷达和通信两个系统大都将另一个系统的信号视为干扰。本文在传统一体化系统基础上,考虑通过两个系统间适当的合作,为共存一体化系统带来更好的性能,并结合多输入多输出（Multiple-Input Multiple-Output,MIMO）技术,提出合作式MIMO雷达MIMO通信一体化系统。本文的主要贡献和创新总结如下:（1）针对完全依赖于通信信号来探测目标的被动MIMO雷达特殊情况,研究不同合作程度对雷达参数估计性能的影响,主要考虑三种场景:通信系统向雷达共享信号形式、不共享任何信号信息以及共享信号的统计特性。给出每种场景下雷达关于目标参数的最大似然（Maximum Likelihood,ML）估计,推导相应的克拉美罗界（Cramer-Rao Bound,CRB）,对比不同场景的估计性能,并分析直达波对估计性能的影响。（2）不同于现有视另一系统信号为干扰的共存一体化研究,本文研究合作式共存MIMO雷达通信一体化系统,提出混合式主被动MIMO雷达和雷达辅助式通信的定义。研究混合式主被动MIMO雷达的目标检测和定位性能,以及雷达辅助式MIMO通信的互信息（Mutual Information,MI）,并基于得到的雷达性能和通信互信息分析一体化系统的联合设计。（3）考虑6G通信或万物智联等场景中雷达接收设备可能成本受限的情况。为充分利用信息,各接收端将数据经过无线通信回路发送到融合中心进一步完成信号处理,为节约成本和降低通信负担在接收端采用量化处理,称之为云雷达。针对云雷达离散量化输出难以得到闭式性能表达式的问题,本文提出量化输出的高斯近似。利用高斯量化输出近似,分析基于量化数据的云MIMO雷达系统的目标检测性能。根据各接收机的不同量化策略和融合中心的不同融合策略,提出三种检测方法:量化本地检测统计量与线性融合（QTLF）、量化本地检测统计量与最优融合（QTOF）、量化本地接收信号与最优融合（QROF）。针对这三种检测方法,分别按下述路线对其性能展开研究和讨论:首先,将量化器的输出建模为离散随机变量,并直接分析每种方法的检测性能。然后,讨论量化器输出的近似概率密度函数,并根据近似分布得到三种检测策略的闭式检测概率,比较三种方法的性能以指导系统设计。最后,分析合作系统和非合作系统的性能差异。（4）研究云MIMO雷达系统的参数估计问题。基于量化的接收信号采用直接分析和高斯量化输出近似两种方法推导位置和速度的联合ML估计和相应的CRB。为了进一步减少通信负担,提出基于时延量化的参数估计方法,即本地接收机先估计时延并将量化的时延估计值传输到融合中心,推导关于目标位置的ML估计和相应的CRB。仿真分析两种处理方法的性能,并对这两种方法的性能进行对比分析。