近些年来,直接序列扩频(DSSS)通信已经被广泛应用于保密通信和CDMA通信系统中。DSSS信号采用高速率的伪随机序列(PN序列)对原始的基带信号进行频谱扩展,具有信息容量大、抗干扰能力强及低截获率等诸多特点,但是这些特性也给通信侦察和电子对抗带来了很大的难度,所以对DSSS信号的检测和估计的研究具有重要意义。在非协作通信下,本文研究了DSSS信号的参数和PN序列的盲估计算法,并对算法的估计性能进行了仿真验证。首先建立了常规的DSSS信号模型,对PN码序列的相关特性及DSSS信号频谱进行了分析。为了实现DSSS信号的参数(载频?PN码速率?PN码周期)的盲估计,分别研究了平方倍频法、自相关方法和延时相乘法。为了进一步提高估计性能,结合集平均的方法对参数估计算法进行了改进,仿真结果证明集平均方法能够有效降低估计误差。其次,未知PN序列是DSSS信号的主成分,是实现盲解扩的重要步骤。在估计出DSSS信号参数的基础上,研究了PN序列的盲估计算法。分析了传统的特征分解法,因其具有较大的计算量,引入了变步长的神经网络算法、信号子空间追踪算法以及最大似然估计算法,这些方法避开了特征值的求解,主要通过迭代的方式得到收敛权值,提取出信号的主特征向量。最后,当DSSS基带信号同步时,提取出的主特征向量即是PN序列的估计值;当DSSS基带信号非同步时,本文将二倍码周期窗口法与PN序列估计算法相结合,在估计出主特征向量的基础上,利用滑动窗法对向量进行裁剪,得到了PN序列的估计。仿真结果表明,改进后的算法解决了传统的特征分解方法实时处理的困难以及相位模糊的问题,具有良好的收敛性,并且能在负信噪比下实现PN序列的盲估计。