在无线通信中,由于传播环境的多径特性和时变特性等非理想性质,使得传输信号出现多普勒扩展和时延扩展,这将会导致数字传输的码间干扰。为了去除信道的色散和频散效应,通常在接收端通过均衡技术来实现。传统的均衡方法是利用训练序列,通过一定的准则来使均衡器逼近传输信道的近似逆,来补偿信道的非理想特性产生的畸变。但这种自适应均衡具有:训练序列会占用发送带宽,在某些场合信号源无法发送训练序列等缺点。这导致盲均衡技术的发展,盲均衡不需要知道准确的原码序列,仅利用已知的先验信息通过逼近信号源的特征统计量来实现。本文首先对多径衰落信道进行了理论上的分析,研究了多径衰落对无线通信所造成的影响,并建立了延时抽头线模型来近似建模信道,并进行了仿真实验。为后面均衡算法的研究提供了理论基础以及仿真环境。接下来研究了保证无ISI传输的理想信道应该满足的奈奎斯特准则,这是对信道进行均衡处理所要达到的理想目标,并讨论分析了均衡器的设计准则和经典的盲均衡算法Bu ssgang类算法及CMA算法,但是CMA算法具有收敛速度慢,稳态剩余误差大,对载波相位不敏感等缺点。由于CMA算法采用最小均方误差准则进行迭代,而这类算法的收敛速度与均衡器输入信号的自相关性有关,小波的时频局部化性质和多分辨分析的特点使得信号经过小波变换后的自相关性下降,可以加快算法的收敛速度。本文研究了基于小波变换的CMA盲均衡算法,并与引入动量项的算法和变步长算法进行比较。而小波包变换克服了小波变换仅在尺度空间进行划分的缺点,进一步降低了信号的自相关性,所以接下来研究了基于小波包变换的CMA盲均衡算法。由于神经网络的大规模并行计算能力和良好的解决非线性问题的能力,使得其用作均衡器有独特的优势,但是这种算法有收敛速度慢,网络结构的选择仅凭经验决定等缺点,结合小波与神经网络的算法克服了以上缺点。论文研究了引入超指数迭代后对BP前馈神经网络的常模盲均衡算法收敛速度及剩余误差的影响,最后研究对比了结合小波变换前后的算法性能的差异。