由于无人机具有造价低廉、移动性强的特点,在军事、民用等领域广为应用。而随着无人机集群规模的扩展,受多用户干扰影响,其测控系统下行链路的接收性能急剧恶化。为了进一步提高抗截获、抗干扰能力,并提升集群系统容量,亟需引入高倍扩频的码分多址方案,即大扩频多用户码分多址技术。多用户干扰是影响其性能的最主要的干扰,而其消除技术主要包括信道估计和多用户检测两个方面。本文研究了无人机测控系统大扩频多用户干扰消除技术,提出了适应此环境下的信道估计和多用户检测算法,研究内容和创新成果如下:针对信道估计技术,由于不同用户的导频具有一定的相关性,在大规模无人机测控系统中,目标终端信号的接收往往会受到大量其他终端的信号干扰,导致信道估计结果不准确。针对这一问题,本文提出了一种基于干扰预消除策略的Pre-IC信道估计算法,利用伪随机序列（Pseudo-Noise Code,PN）序列的自相关性与平衡性,避免了用户间干扰,确保即使在大规模集群下仍可以具有优良的信道估计结果。利用Matlab对信道估计算法进行仿真,表明Pre-IC信道估计算法的精度不会随着集群规模的增加而变差,有效避免了多用户干扰对信道估计结果的影响,且避免了矩阵的求逆运算,确保了算法的实时性。针对多用户检测技术,由于大容量集群规模往往会导致多用户检测算法的时间复杂度过高,难以满足地面接收基站实时性的要求。针对这一问题,本文提出了一种小波神经网络多用户检测算法,即Morlet-Hopfield多用户检测算法,该算法基于最小均方误差（Minimum Mean Square Error,MMSE）准则,实现对目标无人机终端信号的干扰消除,并有效降低了算法的迭代次数。由于Hopfield神经网络在大规模优化问题中存在易陷于局部最优解、网络迭代次数多等缺点,本文将Morlet基小波模型作为Hopfield神经网络的激活函数,在一定程度上提升了 Hopfield网络的神经元对全局最优解进行混沌搜索的能力,降低了约50%的迭代次数,同时保证了多用户检测算法的精度。