传统的信道均衡、辨识算法需要在输入端输入训练序列，或者对信道特性做一严格的假定，如假设信道是最小相位信道。在通信系统中，训练序列不仅占用带宽，同时也降低系统的灵活性，例如，训练序列的使用需要发送端和接收端严格的同步。另一方面，很多情况下通信信道并不满足最小相位这一假设。信道盲辨识考虑在没有训练序列，非最小相位信道下的信道参数估计，因此更适合于现代高速通信网的要求。盲信道辨识也可应用于信号处理的其他领域，如地震波分析、雷达波分析、图象盲恢复、生物医学信号分析等，因此具有很高的实用价值。本文主要研究信道盲辨识的算法理论，同时以移动通信为例研究其在无线信道处理中的应用。主要工作如下： (1)信道盲估计总会对信源和信道本身的特性有一定的要求，这称为信道的可辨识性问题。信道可辨识性总是结合具体的算法而被提出的，本文证明了基于二阶统计量的盲信道辨识只需要求输入是平稳信号，而不是以往文献中提到的独立同分布信号，并以此为基础建立了各种算法下可辨识性条件之间的内在联系。 (2)子空间法是基于低阶统计量信道盲辨识算法中最重要的一种。但是，这种算法已在理论上被证明了不能达到最小的估计误差，即Cramer-Rao下界。因此目前的研究主要集中在加权子空间。本位提出了一种新的加权子空间算法。和现有的算法相比，其主要优点是算法简单，复杂性小，并能得到信道参数的闭式解。仿真结果显示本文算法优于现有算法。 (3)现有的研究侧重于FIR信道。实际应用中，把通信信道建模成FIR系统并不总是合理的。本文也进行了IIR信道盲估计的研究。证明了对IIR信道输出的过采样可以把IIR信道等价成一个单输入多输出的多信道模型。每一个子信道也是IIR信道，但有相同的AR阶数和参数。这样，我们就把IIR信道的盲辨识转化成AR模型和FIR多信道模型的辨识问题。在这一模型的基础上，根据输入条件的不同，本文提出了两种不同的算法。仿真结果显示了本文算法的有效性。 (4)现有的算法一般假设信道的阶数已知，实际上这是不可能的。同时估计信道阶数和参数被认为是个难题。本文尝试用基因算法解决这一难题。我们提出一个包含信道阶数和参数的目标函数。设计一个基因算法求解目标函数的最优解。