1.多用户周期长短码直扩信号的伪码盲估计方法，其特征在于该方法包括以下步骤：步骤1、将多用户周期长短码直扩信号以扩频码码片速率采样转化为基带信号，根据短扩频码和长扰码周期对基带信号分段并构建成盲分离模型，通过快速独立成分分析算法分离得到各用户混合PN序列片段；

步骤2、估计第一个用户的混合PN序列时，拼接分离得到的序列片段得到完整的混合PN模糊序列，利用m序列的移位叠加性，采用二次延迟相乘法消除信息码和扩频码影响；

步骤3、结合分圆陪集理论计算延迟信号的三阶相关函数值，得到可能的峰值点坐标；

步骤4、计算可能峰值点坐标集合处的正反向三阶相关函数平均值，最大平均值所对应的序列即为正确的用户混合PN序列；

步骤5、根据矩阵斜消法完成用户的扰码估计，对用户的混合PN序列解扰，用分段延迟互相关法完成扩频码估计；

步骤6、清除步骤1中的已估计用户的所有混合PN序列片段，重复步骤2-5即可依次得到所有用户的混合PN序列、扰码和扩频码。

2.根据权利要求1所述的多用户周期长短码直扩信号的伪码盲估计方法，其特征在于步骤1具体包括如下内容：

1-1.将接收到的多用户周期长短码直扩信号以扩频码码片速率采样，则第i个用户的基带信号表示为：ui(n)＝Aidi(n)hi(n)ki(n),n＝1,2,3…N  (1)其中，n为采样时刻，N为基带信号长度；Ai为第i个用户的信号幅度；di(n)、hi(n)、ki(n)分别表示第i个用户的信息码、扩频码以及扰码；扩频码选用周期为Ls的OVSF码，扰码选用周期为Ll的m序列，且满足条件Ll＝VLs，其中V是一个正整数；所有用户具有相同的扩频码周期和扰码周期，则每个用户信号可分成Z＝N/Ll个片段；

多用户周期长短码直扩信号表示为：

其中M是用户个数，w(n)是零均值高斯白噪声，方差为σ2；

1-2.根据短扩频码和长扰码周期对基带信号分段并构建成盲分离模型，具体如下：首先根据扰码周期，将接收信号分成Z＝N/Ll个序列片段，每个序列片段长度为Ll，可看成Z个阵元接收到的信号；再根据扩频码周期对每个阵元信号分段，得到V＝Ll/Ls个序列片段，长度为Ls；则第v个片段的接收信号可表示为：

构建成盲分离模型：

r(v,a)＝A(v)B(v,a)+W(v,a),a＝1,2,3,…,Ls(4)其中

B(v,a)＝[s1(v,a) s2(v,a) … sM(v,a)]T；si(v,a)＝hi(a)ki((v-1)·Ls+a)；

W(v,a)＝[w1((v-1)·Ls+a) w2((v-1)·Ls+a) … wZ((v-1)·Ls+a)]T；

用Fast-ICA算法分离得到各用户混合PN序列片段，记为 i＝1,2,…M，v＝1,2,…V。

3.根据权利要求1所述的多用户周期长短码直扩信号的伪码盲估计方法，其特征在于在步骤2具体如下：

2-1.将步骤1中分离得到的序列片段按顺序拼接即可得到MV个不同的模糊序列αt(n)，t＝1,2,…MV，长度为Ll，αt(n)表示为：

其中i1,i2,…iV＝1,2,…M。所有的αt(n)是由V个连续的子段拼接构成的，但只有M个是所求的用户混合PN序列，这M个特殊序列记为

2-2.估计第一个用户的混合PN序列，假设 为用户的第一个序列片段，则该用户的可由(V-1)M个剩余子段 来拼接，i2,…iV＝1,2,…M；其中 中的t＝1,2,…MV-1；

2-3.为消除信息码和扩频码对扰码估计的影响，利用m序列的移位叠加特性，两次延迟相乘：

4.根据权利要求1所述的多用户周期长短码直扩信号的伪码盲估计方法，其特征在于步骤3具体如下：确定扰码的分圆陪集，假设存在J个有限集，将这J个有限集的陪集头记入集合{ηj|j＝

1,2,3,…,J}；计算延迟相乘得到的延迟信号 的正向三阶相关函数(TCF)，其中t＝1,

2,…MV-1：

其中j＝1,2,…J，q＝1,2,…Ll，找到J个最大的 对应的坐标，即最有可能的TCF峰值点坐标，记入集合

5.根据权利要求1所述的多用户周期长短码直扩信号的伪码盲估计方法，其特征在于步骤4和步骤5中：步骤4中为降低噪声对扰码估计的影响，利用m序列三阶相关函数的特性，计算正、反向三阶相关函数的平均值：

步骤5中找到最大的 其对应的模糊序列就是第一个用户的混合PN序列，将求得序列对应的每个峰值点表示为多项式形式，并两两求最大公约式，从而得到信号长扰码的本原多项式估计。随后对混合PN序列解扰，并用分段延迟互相关的信号同步法完成对短扩频码估计。