均衡技术是数字通信系统中克服码间干扰的有效方法，目前得到了广泛应用。其中盲均衡技术由于不需要初始训练信号，就能自适应地调整均衡器的抽头系数而倍受重视。基于高阶统计量的盲均衡算法在80年代末出现并得到发展，由于高阶谱不仅含有信号的幅度信息，而且还含有相位特征。因此，仅利用系统的输出信号就能进行系统辨识，并获得全局最优。 本文分析了盲均衡准则，阐述了高阶统计量的基础知识，总结了基于高阶统计量的几种盲均衡算法。在分析偶数阶归一化累积量算法的基础上，提出了奇数阶(三、二阶和五、二阶)归一化累积量算法，论证并推导出一种新的盲均衡准则，最后利用最速下降法形成了新算法。 由于对称信号的奇数阶累积量为零，所以不能直接应用奇数阶归一化累积量进行盲均衡。为了克服实际通信系统中传输数据序列具有对称性分布而造成无法直接应用本算法的缺陷，本文提出一种新的对称反对称变换方法。在输入端先采用对称—反对称变换，将对称信号变换为非对称信号，但对于信道上迭加的对称性噪声，通过奇数阶累积量运算后会抵消。这种新的变换方法并不影响算法的收敛速度和结果，且使算法具有更大的容错能力。 本文对于提出的各种算法，进行了计算机仿真，并与相同条件下的偶数阶归一化累积量盲均衡算法的仿真进行比较。结果表明，基于奇数阶归一化累积量算法实现简单，收敛效果好，稳态剩余误差小，其性能优于已有的一些同类算法。