扩频通信中通常接收方必须要知道发送方使用的扩频序列才能用相关器解扩恢复所传输的数据。直接序列扩频通信作为扩频通信的最主要方式,具有良好的低功率谱密度发射的隐蔽性,伪随机编码的保密能力和信号相关处理的抗干扰能力,这些给扩频通信的检测和识别、扩频通信信号的监测和管理带来了新的挑战。实现对扩频通信信号的检测和识别,是通信侦察中的重点,是一个刻不容缓的研究课题。因此,对扩频信号参数检测和码型识别就成为检测和识别直接序列扩频通信信号重要的一步。本文重点研究了基于计算智能的直接序列扩频(DS-SS)信号扩频码盲估计问题。论文的主要工作包括如下几个方面:(1)简单介绍扩频信号的几种模型,同时指出本文的重点研究对象是DS-SS信号。简单介绍计算智能在信号处理上的应用。文中对DS-SS信号的研究主要是对未知扩频码进行盲估计。(2)针对低信噪比直扩信号伪噪声(PN)码的盲估计问题,在已知信号伪码参数的前提下用信号相关矩阵特征分解方法对直扩信号进行特征分析,得出了低信噪比直扩信号伪码序列的盲估计方法。进一步,为了减小内存开销并增加对输入信号变化的自适应性,用基于变步长的主分量分析(PCA)神经网络方法来实现伪码序列的盲估计。该方法利用基于Hebbian学习规则的无监督多主分量神经网络,结合自适应变步长学习算法,在估计在线特征值的基础上来控制步长的变化,这样在初始阶段步长较大,可以使得收敛速度加快,随着时间推移步长逐渐减小,以使神经网络最终达到较好的稳态收敛。该算法克服了传统算法收敛速度和稳态误差这样一个内在矛盾。(3)针对微弱直扩信号的盲检测与估计问题,在接收方未知发送方的扩频序列的前提下,提出了一种恢复直接序列扩频信号的扩频码的方法。该方法是基于反向传播(BP)神经网络,它的输入是接收到的信号,而其期望输出是和输入相同的信号,根据误差反向传播来有监督地调节神经网络,网络达到收敛时根据第二层权值的符号函数值即可盲估计出扩频码序列。(4)针对微弱直扩信号的盲检测与估计问题,在接收方未知发送方的扩频序列的前提下,进一步提出基于径向基函数(RBF)神经网络来估计直接序列扩频信号的扩频码的方法。论文在研究DS-SS信号扩频码盲估计算法的基础上,通过仿真实验对扩频码盲估计的方法进行了验证。理论分析和计算机仿真结果表明本方法能在较低信噪比的情况下对较长伪码进行准确的估计。因此本文的方法将为解决DS-SS信号PN序列的实时盲估计问题提供一种途径,为DS通信的管理、侦察和干扰,DS-CDMA的盲多用户检测等铺平道路。