在过去的十多年中,盲信号处理获得了飞速的发展,并在通信信号处理、语音信号处理、生物医学信号处理及图象处理等领域获得了广泛的应用.盲信号处理是指在没有系统与环境的先验知识时的信号处理,但实际上它还是要对源信号或系统作一些假设.盲信号处理大致可以分为信号盲估计和系统盲辨识两大类.信号盲估计可分为信号盲分离和信号盲反卷积两大类;系统盲辨识可分为由输出信号辨识出信号的瞬时混叠模型或卷积混叠模型.该文主要研究了盲反卷积算法的一种特例—常模量算法(CMA),并介绍了其在MIMO(Multiple-Input-Multiple-Output)系统盲均衡中的运用.主要工作包括:1)介绍了常模量算法的基本原理和性能.然后根据常模量算法的缺点,总结了SE—CMA,DSE—CMA,最小扰动算法和基于数据可靠性判决引导的CMA盲均衡算法这四种改进的常模量算法的基本原理和性能,并对这些算法的优缺点进行了总结并对其中的一些算法进行了仿真.2)研究了多输入多输出(MIMO)系统盲均衡的基本原理、以及理想情况下均衡器的计算方法和理想均衡器的性能.然后详细介绍了常模量算法在MIMO系统盲均衡中的运用,其中包括盲的算法和半盲的算法以及对半盲算法的一些改进.3)总结了一下个人在研究生期间对常模量算法进行的3个改进:1.加判决反馈自适应均衡器的CMA算法;2.统计意义上基于数据可靠性的CMA盲均衡算法;3.用CM准则增加训练序列的CMA半盲算法.1和2改进算法的目的都是为了提高收敛速度,而3是在不增加训练序列的基础上,用CMA算法获得更小的均方误差.