均衡技术是数字通信系统中克服码间干扰的有效方法，其中盲均衡是均衡技术的最新发展，它不需要借助训练序列就能自适应调整均衡器的抽头系数，因此得到广泛应用。本文对神经网络盲均衡算法进行了深入研究，分析了其在收敛性能上存在的缺点，将两种简单的递归神经网络引入到盲均衡算法中，提出了两种改进算法，并通过计算机仿真对收敛性能进行了验证。本文所做的主要工作有：(1)对神经网络和神经网络盲均衡算法的原理及发展分别进行了阐述，分析了它们的优缺点。归纳了递归神经网络的结构，并分析了其结构及功能的异同。(2)将两种递归神经网络——对角递归神经网络和准对角递归神经网络应用于盲均衡算法中，利用其结构简单、计算量少，而又具有动态特性的优点，结合传统的恒模盲均衡算法重新构造了代价函数，提出了两种新算法。并用最速梯度下降法推导了其算法迭代公式。(3)对提出的新算法进行计算机仿真，结果证明新算法收敛速度快，稳态剩余误差小。