随着技术水平的发展，在现代通信系统中，数字通信取得模拟通信的趋势日益明显。数字通信系统具有许多优点，如抗干扰能力强、系统稳定性强等，但也存在着一些问题，如由于信道传递函数的非理想性、时变性和传输码元之间存在互相干扰等原因，使得信道接收端抽样值总是存在码间串扰，导致系统误差率高，判别能力下降等。为解决这些难题，提高数字通信通信系统性能，业界提出了信道均衡技术，用以克服数字通信系统中的码间串扰，其中自适应均衡技术，又称盲均衡技术，具有自适应能力强，不需要训练序列，信带利用率高等优点，成为通信技术研究的热点，在通信系统中具有重要的作用。本书首先探索了盲均衡器设计的原理、技术方法，并开展了数值仿真分析，验证了常模盲均衡算法及几种常见的改进算法的性能指标，从误码率、残差等角度，分析了算法的实际应用价值。其次在常模盲均衡算法的研究基础上，将模糊补偿神经网络将模糊理论、补偿算法引入到神经网络理论中，从而提高神经网络系统的适应性，容错性和稳定性。主要研究基于模糊补偿神经网络的盲均衡算法，并根据无线信道模型，对其仿真及应用进行分析和设计。主要介绍了基于神经网络的盲均衡算法基础，对神经网络的发展、分类及学习规则等作以简单描述，并简单介绍了神经网络理论中主要的改进方法；对数字信道均衡技术进行了简单描述，给出了均衡器的一般设计原理、分类并根据研究方向详细介绍了盲均衡器的初步知识。在研究基础理论的同时进行了盲均衡算法仿真平台的设计和框架结构的搭建，并通过对常模代价函数、方形轮廓线算法和复值神经网络的仿真分析，阐述了方形轮廓线算法及代价函数的改进算法在复值神经网络盲均衡器中的应用。着重介绍BP神经网络的盲均衡算法，分析了算法在实际应用中的性能，进行了算法性能的仿真，并给出实际应用过程中的注意事项。经过分析得出基于BP神经网络的盲均衡器收敛速度快、平均误差小、适合在高信噪比条件下工作。并根据4QAM调制信号经无线信道模型传输后的输出信号对其性能进行了仿真评估。与常模盲均衡算法相比，基于模糊补偿神经网络的盲均衡算法能够显著地提高系统收敛速度，降低剩余误差和误码率。还详细介绍了基于Sigmoid函数的变步长算法。运用Sigmoid函数控制步长，从而显著提高了基于模糊补偿神经网络的盲均衡算法的收敛速度。*后，本文针对当前工作对基于模糊补偿神经网络的盲均衡算法研究提出了几点意见。