盲均衡是指能够不借助训练序列，仅利用接收序列本身的先验信息，就能均衡信道特性，使均衡器的输出序列尽量接近发送序列。它的研究内容丰富，本文研究了基于信号检测理论的盲均衡算法，该算法从原理上分为基于最大似然序列估计、最小错误概率估计、贝叶斯估计、最大后验概率估计四种盲均衡算法。 本文所作的主要工作 1)简要分析了盲均衡的基本原理，系统归纳了信号检测的基本理论，如判决准则、参数估计和具有码间干扰的最佳接收。 2)详细研究了基于最小错误概率的盲均衡算法。本文在李道本提出的代价函数的基础上，做了一些改进，即错误概率采用迭代的方式得出，权值的迭代采用LMS-牛顿梯度算法。仿真结果表明，该算法不仅比原始算法有快的收敛速度，而且有小的稳态剩余误差。 3)深入分析了基于最大似然序列估计的盲均衡算法。本文就目前此类算法计算复杂度大、实时实现困难的问题，提出新的基于分组实现的最大似然序列估计的盲均衡算法，该算法采用分组的方式，使得Viterbi算法进行串行计算，于是，计算复杂度由指数增长变为线性增长。另外，采用软判决的方式，使得信号的输出形式以最大似然的形式输出，减少了信号的差错传播。仿真结果表明，新的算法比传统的算法有好的性能和小的稳态剩余误差，并且大大减少了计算复杂度。