1.一种基于相似度的非周期长码直扩信号扩频序列盲估计方法，具体步骤：首先利用已知的扩频序列周期和信息码序列周期构造单个扩频周期内的信息码库。用该信息码库分别与与之对应的连续两个扩频周期的直扩信号相乘，然后对这两个连续的扩频周期进行相似度分析，选取信息码库中能够让两个连续扩频周期中直扩信号相似度最大的一组信息码作为新信息码的一部分。对不同扩频周期的直扩信号重复以上操作，然后对各个扩频周期得到的新信息码片段进行拼接，构造出一个新的信息码序列。将新信息码乘入该直扩信号形成一个“新直扩信号”(“新直扩信号”具有SC-DSSS信号的性质)。再然后将“新直扩信号”按照扩频周期分段构造矩阵，求该矩阵的协方差矩阵，最后对协方差进行特征分解，得到最大特征值对应的特征向量即为扩频序列估计值。

2.根据权利要求1所述的估计方法，其特征在于：建立非周期LC-DSSS信号结构示意图，利用已知的扩频码周期和信息码周期将原始的信号数学模型y(n)＝Ac(n)d(n)+v(n)改造为：其中A＞0为信号幅度， 

是扩频序列。L是扩频序列周期，  表示

信息码序列，G表示信息序列周期，q(n)为窗函数有： M＝N/G为接收

到观测样本中信息码个数。i＝mod(n,L)， mod(x,y)表示x除以y的余数， 表示向下取整。此时可以计算出，第k个扩频周期中含有 个信息码。

进一步还可以计算出每个扩频周期内起点处对应信息码的具体位置为： 

因此，可以按照时延τ截取相应的信

息码库中与直扩信号中信息码对应的信息码组。

3.根据权利要求1和2所述的估计方法，其特征在于：对非周期LC-DSSS信号结构示意图做以下分析：若a＝LCM(L,G)，a为整数且，(1≤a＜G)，则有L＝aX， G＝aY。其中，LCM(x,y)表示x,y之间的最大公约数。图3中，Tc表示码片宽度。在每一个扩频周期中包含信息码的个数是不确定的，并且信号的周期性被破坏。但该结构下的信号模型仍然存在以下特征特征1：SC-DSSS信号的周期一般为一个扩频周期，而该信号的周期为XYTc。

特征2：在每一个周期内存在b＝XY/L个扩频序列

特征3：在一周期内的每一个扩频序列的起点位置对应的信息码的截断位置均不同。并且具体来说，在一周期内，所有扩频序列的起点位置对应的信息码序列的位置包括{0,a,…,(b-1)a}。

特征4：每个扩频序列内包括的信息码个数虽然不确定，但只可能是 个或

个， 表示向上取整。

4.根据权利要求1、2和3所述估计方法，其特征在于：信息码库中信息码的所有可能性为2k-1或2k种，其中 此处取 而非 是因为有正负号反向重复，故向下取减少运算量而不影响估计性能。因此信息码库也有2k-1和2k两种的全排列，按照权利要求2中计算出的信息码时延τ截取截取信息码后，对于不同信息码乘入直扩信号后，利用相似度函数 计算相邻两个扩频周期的相似度，在截取的信息码组中搜索使得相似度函数最大时对应的一组信息码，依次循环向前，并对每一次得到的信息码进行拼接，从而得到一组序列，定义为“新信息码”。将“新信息码”乘入直扩信号构造出一种“新直扩信号”，依次对其进行矩阵构造、自相关处理和特征分解。