以混沌科学为代表的非线性科学由于其时域上的不规则性及频域上的类噪声性，在信号处理及通信中均有应用。与合作环境下信号处理不同，非合作方需要在全盲或半盲条件下完成信号的提取或恢复，基于非合作的混沌信号处理为当前研究难点。本文针对其中的三个问题展开讨论：一维离散混沌系统相轨迹盲恢复、基于混沌同步的参数估计、混沌直扩破译，主要研究内容为：1、考虑到各种去噪算法局限性及某些情况下仅恢复干净的相轨迹即能满足需求，在未知任何先验信息及低信噪比条件下，作者提出了基于高斯混合模型的一维离散混沌系统相轨迹恢复算法。该算法将吸引子轨迹建模为二维随机向量，并用高斯混合模型近似该随机向量概率分布，在最大化期望似然函数准则下运用观测值更新各个高斯核参数，初步恢复出相轨迹。并进一步地用三段多项式拟合对该轨迹进行平滑，得到比已有方法更优相轨迹去噪效果。2、将当前存在的两种基于同步的参数估计方法——基于最小二乘准则及基于同步稳定性理论的估计法，引入加速预测和减速延迟同步模型中，推导了该同步模型中待估参数更新方程，在系统同步条件下得到收敛参数，并对参数估计性能及收敛速度进行分析。3、提出了两种混沌直扩破译算法——DM-UKF破译法及IMM-UKF破译法。前者运用广义同步系统，基于二进制信息符号的不同取值建立对应滤波模型拟合截获到的混沌直扩信号，通过拟合误差的二范数判决当前滤波模型，间接确定信息符号取值。后者将混沌直扩信号建模为交替工作的两个子系统的输出结果，而信息符号的不同取值决定了相应子系统的动力学驱动方程。同样通过拟合误差判定当前工作系统，从而提取信息符号取值。两种方法均推导出误差控制因子，以减小噪声与系统拟合误差所带来影响。与DM-UKF方法相比，IMM-UKF不仅保留了其受扩频因子影响小、在多径及低信噪比环境下破解误码率低的特点，且能根据模型转换概率计算出扩频因子等参数。