盲均衡技术是一种不借助于训练序列,仅利用接收序列本身的先验信息来均衡信道特性,使其输出序列尽量逼近发送序列的新兴自适应均衡技术.它是目前数字通信技术中的关键技术之一,也是通信、信号与信息处理、检测理论等学科的一个重要前沿热点研究课题.盲均衡技术在通信,雷达,声纳,控制工程,地震勘探,生物医学工程等领域均有非常重要的理论意义和实用价值.该文所做的主要工作:(1)系统研究了盲均衡的基本理论,首次将均衡准则归纳为置零准则、峰度准则和归一化准则.其中,置零准则仅有理论意义,而无实用价值;峰度准则是带有约束条件的均衡准则,具有一定的实用价值;归一化准则为无约束的均衡准则,且因累积量阶数可以任意选取,使得均衡准则不是一个而是一簇,具有广泛的应用价值.(2)分析了传统恒模盲均衡算法采用固定步长的缺陷,提出了变步长盲均衡算法的设计思想.并利用误差信号的非线性函数、误差信号的峰度和均衡器输出信号的峰度作为步长控制因子,得到了三种新的改进恒模盲均衡算法.经计算机仿真表明,新算法收敛速度快,稳态剩余误差小,优于传统恒模算法.(3)依据归一化准则,提出了基于奇数阶归一化累积量盲均衡算法,并针对对称信号奇数阶累积量为零的特点,提出了对称—反对称变换规则,并引入变步长方法.该算法与偶数阶归一化累积量盲均衡算法相比,提高了收敛性能,降低了运算量,增强了抗干扰能力.(4)针对现有前馈神经网络盲均衡算法收敛速度慢的缺陷,提出了一种新的改进算法,用均方误差代替原算法传递函数中的固定比例因子,同时引入变步长方法,不仅加快了收敛速度,而且减小了稳态剩余误差.理论分析和实验仿真相符.(5)提出了基于双线性反馈神经网络的盲均衡算法,定义了适用于实数和复数信道的传递函数,推导出算法迭代公式.经计算机仿真表明,该算法的收敛性能优于传统恒模盲均衡算法.