盲均衡技术是一种不借助于训练序列,仅利用接收序列本身的先验信息来均衡信道特性,使其输出序列尽量逼近发送序列的新兴自适应均衡技术。因此,在数据通信系统中不必发送训练序列,可以提高信道效率,同时盲均衡技术还可以有效地补偿信道的非理想特性,克服码间干扰,减小误码率,提高通信质量,获得更好的均衡性能。盲均衡技术优越的性能使它成为目前数字通信技术中的关键技术,因此,深入研究盲均衡技术具有非常重要的理论意义和实用价值。本文所作的主要工作如下:(1)系统地分析了盲均衡的基本理论、算法形式,以及盲均衡采用的基本算法和衡量算法收敛的性能指标。阐述了基于Bussgang性质的盲均衡算法的基本理论和性质,并介绍了决策指向算法、Sato算法、Godard算法三种常用的Bussgang类盲均衡算法。(2)重点分析了Bussgang类盲均衡算法中的恒模盲均衡算法。对恒模算法进行了理论推导,分析了传统恒模盲均衡算法的收敛性能。仿真结果表明,采用大步长,能够加快收敛速度,但同时会带来大的稳态剩余误差。为了减小算法收敛后的稳态剩余误差,应采用小步长,但会使算法收敛速度变慢。(3)为了解决由于采用固定步长,使得收敛速度和收敛精度之间存在着内在的矛盾问题,提出了一种新的变步长恒模盲均衡算法,该算法将瞬时梯度矢量的均值的平方值应用于恒模算法中的步长控制。理论分析和计算机仿真实验均表明改进算法与传统恒模盲均衡算法相比,能有效地加快收敛速度,并能收敛到更小且稳定的剩余误差,能够有效地应用于自适应盲均衡系统中。