超宽带无线通信技术在国际国内受到了显著的重视,它设备结构简单、功耗低、隐蔽性能,处理增益高,传输速率高和多径分辨能力强等优点,使得其非常适合于在战场军事指挥、家庭娱乐和办公室等环境使用。作为一种新兴的通信技术,在应用中也面临许多需要解决的问题,例如在军事应用中要求其抗干扰性好;而在商用环境中多用户性能的提高十分重要。论文主要对DS-UWB通信系统中的若干重要技术问题进行了研究,这些问题可以归纳为以下四个方面的内容:超宽带系统信道模型和信道估计算法研究;DS-UWB系统同步捕获技术研究;DS-UWB系统多用户检测算法;DS-UWB接收机基带信号自适应码同步提取研究。超宽带系统有着与窄带系统完全不同的信号模型与信道模型,由于其传输信号有极宽的带宽,系统具有很高的多径分辨率,多径数目相对较多,因此超宽带的信道模型成为研究的首要问题。本文首先介绍了超宽带信号模型与信道模型,并在研究IEEE802.15.3a标准采用的超宽带室内信道模型的基础上研究了基于导频信号和极大似然理论的DS-UWB系统中信道估计算法。实验证明,该信道估计算法在典型超宽带信道环境下具有良好的性能。在分析现有超宽带同步捕获算法的基础上,对捕获算法理论上的单驻留捕获时间进行了分析。针对DS-UWB系统接收机信号受多径效应的影响码片同步和PN码同步捕获比较困难的特点,本文提出了基于修正码片波形算法的DS-UWB系统同步捕获方案。首先利用并行相关器组,采用等间隔码片波形能量累积的方法来修正本地相关码片波形模板首先获得系统的码片同步,然后在已知码片同步的基础上利用PN码滑动相关捕获方法获得系统的PN码同步。理论分析和仿真结果表明,本方法是一种能够适应UWB信道环境的行之有效的DS-UWB系统同步捕获算法,本算法能够在未知信道多径信息的情况下同步建立时间在微秒级,优于传统搜索算法。研究如何抑制DS-UWB通信系统的多址干扰和多径干扰是超宽带通信技术的一大挑战。多用户检测作为一种从接收机端的设计入手的干扰抑制方法而被广泛采用。本文提出了基于一类支持向量机的贝叶斯分类器的构造方法。将一类支持向量机应用于概率密度估计,并且证明了这种估计的有效性。同时利用得到的概率密度函数构造二分类支持向量机,并且将算法推广到多分类支持向量机的构造中,证明了多分类算法的高效性。通过数字信号调制模式识别实验,对比了提出的算法与其他分类算法的性能:本算法的分类性能好于神经网络算法,而不低于传统支持向量机。然后,将提出的算法应用于DS-UWB系统多用户检测,它可以采用相对较少的训练序列完成学习过程,对随后的大量数据进行判决。仿真结果表明,本多用户检测器性能优于MMSE多用户检测器和解相关检测算法,应用于各种信道环境下的DS-UWB多用户检测都收到了良好的检测效果,在密集多径信道下能够有效的抑制DS-UWB系统的多址干扰。同时本算法在训练时所需的运算量远远小于传统SVM算法,有效提高了训练速度。本文提出了DS-UWB系统接收机基带信号处理中的自适应同步生成算法,采用数字滤波,基于下确界测量算法的基带数字信号频率估计算法(即测量基带数字信号的频率),数字信号同步生成三位一体的设计方案。能够有效消除由于高频噪声和多用户检测算法误码特性而产生的基带信号失真,提高了系统解调的正确率。