在数字通信系统中，由于信道的非理想特性而引起的码间干扰是影响通信质量的一个主要因素。为了克服码间干扰就必须在接收端加均衡器，以补偿信道特性，正确恢复发送序列。传统的自适应均衡器需要发送训练序列，影响通信效率。而盲均衡作为一种新兴的自适应均衡技术，能够不借助训练序列，仅利用所接收到的信号序列本身的统计特性对信道进行均衡。目前已广泛应用于通信、雷达、地震和图像处理等领域。因此，其研究具有重要的理论意义和实用价值。 本文所做的主要工作有： (1)简要阐述了盲均衡算法的基本原理，分析了现有盲均衡的基本算法，特别是牛顿梯度-LMS算法。 (2)研究了信号检测基本理论，分别分析了Bayesian准则、最小错误概率准则、最大后验概率准则和极大似然准则等几种常用的判决准则。 (3)分析研究了传统牛顿梯度-LMS算法收敛速度和收敛精度之间存在的内在矛盾，提出了变步长的盲均衡算法。分别采用步长梯度、误差信号变换和自相关时间均值作为步长控制因子。 (4)分析了基于最小差错概率的代价函数的合理性，并且利用上述步长控制因子形成变步长牛顿梯度-LMS盲均衡算法，使得收敛速度加快，均方误差和稳态剩余误差减小。通过计算机仿真验证了改进算