直接序列扩频（DSSS）信号由于具有截获率低、抗干扰性强、能抑制多径效应、可在低信噪比条件下工作等优点，被广泛应用于军事对抗、民用通信、卫星导航以及勘探测量等领域中。与之对应的通信对抗技术也成为目前研究的热点，非合作通信时，仅根据少量的信号参数盲估计直扩信号PN码序列仍存在很多困难，且相关技术的研究尚不成熟，码序列盲估计成为整个系统的瓶颈。因此为了适应整个侦测系统的要求，研究在低信噪比下恢复PN码序列的方法就具有迫切、重要的意义。本文首先建立了DSSS通信系统模型，研究了基于特征分解（EVD）和投影逼近子空间（PAST）的扩频码序列盲估计算法。在此基础上，提出了一种基于分块相关矩阵（PCM）的扩频码序列盲估计方法。该方法对信号数据矩阵进行分块处理，分别计算各个矩阵块的自相关矩阵实现降噪预处理，并采用快速迭代算法实现了较低信噪比下扩频码序列的盲估计。针对非周期性DSSS信号扩频码的序列周期长、相邻信息码周期间相关性差等特点，提出了一种基于分段子空间跟踪（SSST）的码序列盲估计算法。该方法根据扩频调制比将信号分成若干段，利用改进的滑动窗口技术实现各段PN码序列的盲同步，最后利用子空间跟踪快速算法估计各个子段的主特征向量，实现扩频序列的恢复。该算法解决了非周期性DSSS信号相邻信息码周期内PN码序列不重复的问题；且不需要特征分解和求逆等高复杂度的计算，提高了算法的可行性。计算机模拟仿真实验证明该算法存储量小，易于硬件实现，且能在较低信噪比情况下稳定工作，为非周期性DSSS信号扩频序列的盲估计提供了新的思路。