盲信道辨识作为现代信号处理的关键技术,信道参数的估计仅利用接收端的数据就可以完成,最早的盲信道辨识方法主要是通过计算高阶累积量来实现的。Tong算法的提出为信道盲辨识开辟了一条新的发展道路,基于二阶统计量法成为盲信道辨识的主要方法,其中,子空间法由于算法性能好等优点而受到广泛关注。本文主要研究了基于二阶统计量盲辨识方法的子空间算法,取得的研究结果如下：首先,介绍了单输入多输出(SIMO)系统模型,分析了系统的盲可辨识条件,并且讨论了基于二阶统计量子空间算法的原理。其次,讨论了子空间盲辨识的改进算法,研究了SIMO系统模型的子空间盲辨识新算法,依据协方差阵的秩对矩阵进行分块,在此基础上考虑实际系统中噪声误差的存在,然后利用总体最小二乘(TLS)得到一个与噪声子空间相关的量,对此量进行标准正交化得到了噪声子空间。与传统子空间方法相比,改进算法不需要对协方差矩阵进行特征值分解,在不影响辨识效果的基础上,减少了计算量。最后,针对子空间盲辨识算法要求对信道阶数的准确估计,但在实际系统中参数不容易估计这一问题。根据信道阶数过估计的特点,利用信道先验知识得到信道阶数的过估计,提出了一种既允许信道阶数过估计又具有较小计算量的子空间盲辨识算法,仿真结果与分析说明了此算法具有运算效率高这一优点。