近年来,盲信道辨识与均衡在通信和信号处理领域已经受到普遍关注。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时域算法。应用通信信号过采样后所具有的循环平稳性,将单输入单输出系统(SISO)模型等效成单输入多输出系统(SIMO)模型,并据此模型提出了一种新的基于二阶统计量的递推算法来完成对非最小相位系统的估计和辨识。首先分析了无噪声情况下该算法的实现,再利用子空间方法将其扩展到有噪声的情况。传统的盲均衡方法涉及到较多的奇异值分解(SVD),造成了算法过程复杂化、运算量大的问题。本文所提出的算法二通过构造一系列的矩阵将均衡信道参数估计问题转化为与自相关矩阵有关的特征向量的求解问题,可以逐个地推导出信道模糊尺度矩阵所有的特征矢量,最终得到了信道矩阵的解析解。仿真结果表明:与基于二阶统计量的非递推盲均衡算法相比,这种递推算法的估计性能与之相仿。然而它却有效地简化了算法过程,降低了运算量,具有相当的现实意义。