直接序列码分多址(Direct Sequence -Code Division Multiple Access, DS-CDMA)是一种使用直接序列扩频技术进行码分多址的常用通信系统,在非合作情况中,直扩信号的扩频序列估计方法对实现盲解扩以恢复出用户信息至关重要,因此开展DS-CDMA系统的扩频序列盲估计研究意义重大。独立分量分析(Independent Component Analysis, ICA)作为被广泛应用的盲源分离方法,用于扩频序列估计问题时,可以充分利用各用户扩频序列相互独立的特点,具有实现复杂度低,对先验知识要求较少等特点,目前已成为研究热点。本文围绕基于独立分量分析的扩频序列盲估计算法展开研究。主要工作如下：首先介绍了DS-CDMA通信系统的相关知识内容,并分析得到了DS-CDMA扩频序列盲估计的模型。然后对独立分量分析的基本理论进行了阐述,列举了ICA中常用的目标函数和寻优算法。其次,为了得到更为准确的扩频序列估计结果,在充分考虑扩频序列估计问题数据特点的基础上,对传统FastICA算法进行优化,分别从白化角度和寻优角度出发,结合核熵分量分析(Kernel Entropy Component Analysis, KECA)方法和蝙蝠(BAT)算法,提出了KECA-ICA算法和BAT-ICA算法。仿真结果表明,和FastICA算法相比,两种优化算法的扩频序列估计结果更为准确。进一步地,本文综合此两种优化算法优点,将KECA-BAT-ICA算法应用到扩频序列盲估计中,仿真结果证明了它的优越性。再次,针对用户数未知时的扩频序列盲估计问题,仍以ICA盲源分离为前提,提出一种基于信号归类的扩频序列估计算法。与传统方法相比,该方法不仅省略了复杂的源信号数估计步骤,并且避免了由于源信号数估计错误导致的扩频序列恢复失败的可能。仿真证实了新方法用于扩频序列估计时的有效性和相对于传统方法的优越性。最后,对本文的研究工作进行了总结,并对未来的研究方向进行了展望。