传统的自适应均衡技术由于需要重复发送训练序列，在水声通信中，必将占用本不富裕的水声通信带宽，降低通信效率，而盲均衡具有无需训练序列的优良特性，并且理论与实践均证明，盲均衡可以在某些传统自适应均衡技术无效的条件下依然能够很好实现均衡，在特定约束条件下，还能获得比传统自适应均衡技术更好的均衡性能。随着现代化水声通信向高速信息传输需求的发展，对水声通信盲均衡理论和算法进行分析和研究具有重要意义。 本文针对水声信道特性，对Bussgang类盲均衡算法和直接高阶统计量算法做了理论与算法上的研究和分析，并针对水声信道非线性特性，对前馈神经元网络盲均衡算法的实现进行了分析和改进。研究内容主要包括以下几个方面： 1、从数学上盲反卷积的角度对盲均衡实现的理论依据、均衡准则、约束条件进行了分析。根据BBR公式，说明了在信号满足非高斯分布前提下输入信号与输出信号之间统计特性的联系，并论证了盲均衡中需要借助高阶累积量这一工具的原因。 2、对Bussgang类盲均衡算法的特例CMA算法的理论基础和算法实现进行了研究，分析了CMA算法的代价函数局部极小值问题，并针对CMA算法收敛速度慢，收敛后剩余误差大的缺陷给出了改进算法：利用小样本重用方法初始化均衡器权重，定义了移动窗剩余误差，并根据移动窗剩余误差对算法学习步长进行自适应调整，由移动窗剩余误差确定切换门限，综合以上提出了一种双模式算法。仿真结果证明了改进算法在收敛速度及均衡性能上的有效性。 3、直接高阶累积量的盲均衡算法存在计算量庞大以及对累积量准确估计的问题。文中在对倒三谱盲均衡算法分析的基础上，提出了一种遗忘递推倒三谱盲均衡算法，通过数据块递推估计方法，减少了倒三谱盲均衡算法的计算量并保证了累积量估计的准确性。 4、鉴于水声信道存在非线性特性，分析了利用前馈神经网络作为盲均衡器的盲均衡方法，并针对直接BP算法的缺陷给出了利用代价函数调整学习步