张 焱，熊 刚

（中国电子科技集团第三十研究所，四川 成都 610041）

0 引言

直接序列扩频信号由于具有强抗干扰性、低截获概率、能够抑制多径效应等特点，已经广泛应用于信息保密、卫星、航天、全球定位系统（GPS）、测距和码分多址（CDMA）通信等方面。直接序列扩频信号的功率谱密度通常很低，频谱上表现为信号被噪声所淹没，具有抗干扰性[1]，而且提供了较高的保密性，它还具有克服频道资源紧张问题等优点[2]。由于扩频码的一些特性，在截获DSSS信号之后，若已知 DSSS信号的有关参数——扩频码周期和码速率等，则对DSSS信号扩频码的估计将成为可能，这对该类扩频通信系统的抗截获性能分析具有重要意义。离散卡洛（K-L）变换定理等表明特征值分解的过程可以实现从DSSS信号中估计出扩频码序列，但它的计算量、存储量都相当大[3]。文中利用改进的协方差矩阵迭代的思路进行扩频码估计，大大降低了运算量，而且收敛的性能也优于参考文献中提出的投影子空间跟踪算法[4]和基于神经网络的扩频码估计算法[5]。

1 信号模型

经过AWGN信道后，接收到的基带DSSS信号模型为：

2 传统的协方差矩阵迭代算法

传统的协方差矩阵迭代算法的思路：用收敛的权值逼近主特征向量，则可以避免直接进行特征值分解的庞大运算量和存储量，相比特征值分解算法具有更好的可实现性。当采用主特征向量估计码序列时，扩频码序列估计就转变成了提取主特征向量的问题。设{x(t)}t≥0是n维的数据向量……