本文研究了MIMO数字通信信号的盲均衡与识别问题。MIMO系统的独特优势使其成为新一代通信技术的关键技术。近年来也涌现出了许多调试识别的新方法和思路。本文在借鉴前人已有方法的基础上，提出了基于高阶累积量和神经网络的MIMO信号调制识别新方法。与以往的MIMO信号调制识别方法不同的是，本文在MIMO信号的调制识别问题上不仅采用了变步长的CMA均衡算法，而且使用了较高的四、六阶累积量去建立识别参数，最后运用了BP神经网络作为分类器。由于MIMO信号在传输过程中会产生严重的多径和多用户干扰，使得其在接收端产生严重的码间干扰。本文所采用的变步长的CMA恒模均衡算法与传统的恒模均衡算法相比能够更强的抑制噪声和更快的收敛。均衡后的信号用于基于高阶累积量的特征值的提取。与以往不同的是，本文采用更高的四阶和六阶累积量去建立识别参数。因为四、六阶累积量与二阶累积量相比，受噪声的影响要小得多，从理论上能够进一步削弱噪声。最后采用BP神经网络建立分类器。与传统的相关技术相比，神经网络具有快速解决复杂分类问题的能力，强大的容错和自学能力，通过训练和自学能够自适应的应对噪声影响和数据的不完整性。本文对这整个MIMO调制识别算法进行了严密的理论推导和大量的仿真，与以往的方法相比，具有更高的识别率和实用价值。