通过带宽有限的水声信道获得高速数据传输，是目前水声通信领域的研究热点。而码间干扰是高速通信面临的主要困难。采用传统的自适应均衡技术抑制码间干扰，需要重复发送训练序列，占用大量本不富裕的带宽。而盲均衡算法不需要训练序列，可有效地提高信息的传输速率。因此，研究盲均衡算法在水声信道中的性能是非常必要的。 本文针对水声信道，对隐含和直接使用高阶统计量的盲均衡算法的性能进行了研究。研究内容主要包括以下几个方面： ·分析了多途时间扩展、多普勒频率扩展等水声信道的物理特性及水声信道的数学模型。 ·给出了Bussgang类水声信道盲均衡算法的数学模型，重点分析了Bussgang算法的一个特例——常数模算法的性能。从信噪比的角度，研究了从常数模算法向判决导引算法的切换算法，提出了一种切换判决圆半径的选取方法。该切换算法，对于非常数模信号(如16QAM等)，可以获得比常数模算法更小的剩余均方误差。 ·研究了几种直接使用高阶统计量的算法，包括基于数据段估计的倒三谱算法和超指数算法，分析了算法的估计方差和偏差等性能；由于超指数算法计算量较大，不利于实时均衡，利用水声信道的稀疏性，提出了一种基于稀疏互四阶累积量和稀疏权的算法，有效降低了超指数算法的计算量。 ·围绕线性均衡器的时延极小值问题，从超指数算法推导了线性均衡器相对于均衡器时延的极小值关系，修正了线性均衡器相对于系统时延的关系式。提出了基于数据段估计的倒三谱算法和超指数算法获得不同均衡器时延极小值的参数设置方法。尽管常数模盲均衡算法的初始化仍然是一个公认的未能解决的问题，但本文通过几条不同零点位置的水声信道，对比研究了自适应最小均方误差算法、倒三谱算法、超指数算法和常数模算法的不同权向量初始化的等效性。在此基础上，提出了一种移动抽头常数模盲均衡算法。仿真研究表明，该算法相对于中心抽头初始化方法，可以获得更小的剩余均方误差。 ·针对水声信道的频率选择性衰落，对比研究了常数模判决反馈盲均衡算法与其它几种盲均衡算法的性能。针对水声信道的时变特性，研究了该算法的跟踪 摘要性能。提出了一种利用超指数迭代算法，以加速判决反馈结构算法收敛速度的新算法，该算法对非平稳环境的适应能力超过常模判决反馈算法。 ·为了适应远距离通信，提高接收信噪比和更有效的克服信道衰落，研究了盲均衡与空间分集相结合的方法。为了更有效地跟踪水声信道的多普勒频移，提出了将二阶数字锁相环与空间分集盲均衡相结合的算法，并通过误差量化来减少该多通道算法的计算量。仿真结果表明，采用二阶数字锁相环的空间分集均衡算法的跟踪性能超过了采用一阶锁相环和未加锁相环的算法，可有效补偿由于水声信道时变而引入的载波相位快速变化；采用误差量化的算法和原算法的收敛和踉踪性能都很接近。 ·通过水池实验，获得了符合盲均衡算法统计特性要求的BPSK水声实测数据，对论文中的几种盲均衡算法的有效性进行了实测数据验证，并对算法性能进行了比较和评估。 本论文由水声技术国防科技重点实验室基金资助u000JS23．2．l人