现代通信系统中，信道的非理想特性将导致严重的码间干扰，它是影响通信质量的一个主要因素。均衡技术作为克服码间干扰的有效方法从而成为研究的热点。与传统均衡技术相比，盲均衡技术无需插入训练序列，仅依靠发送信号的统计特征对均衡参数进行自适应调节，使均衡器的输出逼近发送信号。从而提高了均衡器的效率，扩大了适用范围。目前，盲均衡技术已被广泛应用于控制工程、图像处理、声纳、通信、地震勘探、雷达和生物医学工程等领域。本文系统地分析了盲均衡技术的国内外发展现状，介绍了信道均衡的作用和盲均衡算法原理，分析了前人提出的神经网络均衡器及其学习算法的优缺点。在研究了传统盲均衡算法优缺点的基础上，提出了一种双模式改进算法。该算法通过误差信号及其变化作为学习算法的输入信号，利用新的代价函数控制算法，使得在算法开始阶段，采用稳定性能好的MMA算法，在算法逐渐收敛时，通过双模式算法调整因子作用，以高精度的MDD算法主导均衡器，降低系统的稳态剩余误差。算法中还增设了算法重置模块以提高信道跟踪能力。文中通过计算机仿真，测试了双模式改进算法的收敛速度、稳态剩余误差和信道跟踪能力等性能，并与传统的CMA算法和MMA算法进行了比较。在研究了前馈神经网络的原理及结构的基础上，提出了一种神经网络结构与改进双模式算法相结合的神经网络双模式均衡器，仿真实验验证了该均衡器的有效性。