盲信道辨识与均衡是通信信号处理中的核心技术之一，本文的内容围绕着它的算法实现来展开。首先阐述了这一问题的理论基础，接着详细地讨论了有关非最小相位系统的盲反卷积的准则设计问题，然后又深入地研究了基于二阶统计量的盲信道辨识与均衡的子空间方法以及时域方法，并作了大量细致的仿真实验工作。最后利用通信信号超采样后所具有的循环平稳性，给出了一种新的基于二阶统计量的算法来完成对非最小相位系统的辨识和估计。传统的盲均衡方法只利用一到二个特征矩阵，而此方法利用了一组特征矩阵所包含的信息来进行估计，使估计性能得到了提高。与基于二阶统计量的非递推盲均衡算法相比，这种方法给出求所定义的代价函数的最优解的有效递推算法，可以逐个地得到所有特征矢量，最终得到了解析解。仿真实验表明，该算法在低信噪比的环境下仍然可以有效地完成估计，克服了传统的盲均衡算法所具有的抗噪声性差的缺点。另外，虽然采用了多个特征矩阵，但是其运算复杂度仍然比较小。