无线通信系统的性能很大程度上受到无线信道的影响,能否获得准确的信道和信号参数信息是提高传输可靠性和有效性的重要指标,因此信道估计是无线通信系统的重要技术之一。而无线信道往往具有很大的随机性,并且传输过程中的信号一般含有空间、时间、频率等不同的维度,加大了信道估计方法的设计难度。可以将这种含有不同维度的信号表征为张量(也称为多维矩阵)形式,张量模型能够在盲信号处理技术无需信道状态信息(Channel State Information,CSI)的情况下实现信号检测和参数估计,提高了带宽资源的利用率。传统的张量拟合算法为交替最小二乘(Alternating Least Squares,ALS)算法,该算法容易存在无效迭代,陷入局部循环,需要大量的迭代次数来达到收敛。另外,在无线通信领域无人机(Unmanned Aerial Vehicles,UAV)应用广泛,特别是在恶劣的战场环境下,UAV在高空获取信息,完成图像、视频等海量数据的情报传输任务。所以将侦收到的信号准确的恢复出来非常重要,但是UAV在同时侦收两个及以上用户信息时存在一定难度。基于上述问题,本文的主要工作可分为以下两个方面。首先,本文针对传统迭代算法需大量迭代次数和计算复杂度高的问题,提出改进的交替最小二乘(Improved Alternating Least Squares,IALS)算法,使其能有效减少迭代次数,降低计算复杂度。算法改进的主要思想是利用上一阶段的参数估计值作为首次迭代的初始值,并且引入步长因子和线性搜索方向,得到迭代过程中每次迭代的初始值,从而提高迭代初始值的准确性,加速收敛。仿真验证表明,所提算法比传统ALS算法节省了大量乘法运算。其次,面对无线通信系统中UAV侦收多用户信息面临的挑战,本文利用广义张量压缩(Generalized Tensor Contraction,GTC)运算,通过两个张量的广义压缩来表示切片乘法,得出数据张量的明确描述。再利用平行因子分解(Parallel Factor,PARAFAC)模型得出模展开式,使基于最小二乘(Least Squares,LS)算法的求解更加灵活方便,并且在多用户场景下也能使高阶模型的构建简便清晰。仿真验证表明,这种运算方式适用于多输入多输出(Multiple-Input Multiple-Output,MIMO)通信系统中的盲信息获取,且不牺牲算法性能。