在移动通信领域中，码间干扰始终是影响通信质量的主要因素之一。产生码间干扰的主要原因是信道的非理想特性，多径传输是导致信道非理想特的重要因素。为了提高通信质量，减少码间干扰，在接收端通常都要采用均衡技术抵消信道的影响。而在使用均衡器的大多数通信系统中，信道的特性是未知的。并且在许多情况下，信道响应是随时间变化的。此时，简单的线性均衡器难以满足系统的基本要求，必须使用具有较强的时变适应能力的均衡器，即自适应均衡器。在传统的均衡器中，自适应算法必须是以已知的训练序列为前提才能开始进行，然而实际信道中训练序列的传输往往是比较困难的，同时也会降低通信系统的效率。盲自适应均衡器可以有效地解决这一问题。 本文首先介绍了课题背景及课题研究的意义，阐述了均衡的基本概念和基础。进而研究了自适应均衡器的几种算法，包括传统LMS自适应均衡算法、NLMS自适应均衡算法、解相关LMS自适应均衡算法、改进的解相关LMS自适应均衡算法和RLS自适应均衡算法，以及盲均衡常用的恒模算法和变步长恒模算法，并在MATLAB环境下做出仿真，分析了仿真实验结果的意义。传统的LMS算法比较简单，易于工程实现，但收敛速度对迭代步长的依赖性较强。NLMS算法实质上是一种归一化变步长算法，比传统的LMS算法收敛速度快，对信道的跟踪效果也比较好。解相关LMS算法通过建立步长因子与均方误差之间的关系，改变步长因子在迭代过程中的值，进而提高了传统LMS算法的性能。本文提出的改进的变步长解相关LMS算法又是对解相关LMS算法的一种改进。RLS算法的收敛速度比LMS算法快得多，就收敛后的稳态误差以及对信道的跟踪能力而言，RLS算法也要比LMS算法好得多。传统固定步长恒模算法在收敛速度和收敛精度方面对调整步长的要求是相矛盾的，在实际应用中，要根据不同的需求决定步长值的大小。变步长恒模算法解决了固定步长恒模算法的问题，使算法的收敛性能有了很大提高。