科技在提高,社会在进步,通信环境也越来复杂多变。目前,信道衰落、信道间干扰、码间干扰、同频或邻频间的干扰等因素已成为高质量通信系统的主要障碍。盲均衡技术不借助发送序列,根据接收序列或其的先验信息直接来恢复原发送序列。较传统均衡算法而言既能起到消除码间干扰、信道衰落的作用,又提高了信道的利用率。神经网络是一个高度复杂的非线性处理系统,具有大规模的并行处理能力,很好的自适应性和自学习性,而完全的线性信道又是不存在的,因此用神经网络改善均衡器的效果一定会成效显著。但是,神经网络在局部寻优方面优势较为突出,而当待求解问题存在多个极值时,就会陷入局部极小,振荡于未成熟收敛区域,无从找到全局最优值。免疫算法是通过模拟人工免疫系统的自我调节机制,从中抽象出的一种仿生智能算法,具有很高的鲁棒性和全局搜索能力,而且用于解决盲均衡问题时,不要求代价函数的连续性、可微性。故可以用免疫算法来优化神经网络,使其具有更好的性能,既能解决全局寻优问题也能解决局部寻优问题,成为一种比较优越的智能算法。近些年来,各智能算法间互相优化的现象较为显著,免疫神经网络盲均衡算法就是先通过免疫算法对神经网络进行权值优化,构建一个比较完备的网络结构,而后再将优化后的网络结构应用于盲均衡算法,各算法间取长补短,最终达到改善均衡的目的。本论文主要做了以下工作:(1)阐述了基于神经网络盲均衡算法的基本原理,分析总结了其特点及局限性,并将免疫算法与神经网络盲均衡算法相结合,以克服其容易陷入局部最优的缺点。(2)分别研究了免疫算法优化BP神经网络和RBF神经网络,并用于优化盲均衡器的性能。分两个阶段来实现,首先是采用具有很强全局搜索能力的免疫算法进行搜索,为网络提供一个较为优秀的初始权值,然后再用局部搜索能力强的BP算法进行快速局部搜索,以达到全局最优,并用于盲均衡器的设计。(3)以MATLAB7.0为仿真平台,对上述算法进行了仿真实验。仿真试验表明,新算法的剩余稳态误差减小、误码率降低,但收敛速度略有减慢,原因在于加入免疫算法后搜索时间有所增加。