在现代数字通信系统中,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需要在接收端加入均衡器,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,这样就会影响通信效率。盲均衡作为一种新兴的均衡技术,能够不借助训练序列,仅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,此项研究具有重要的理论意义和使用价值。本文首先研究了盲均衡技术的基本原理及发展动态,并研究了基本的盲均衡算法,并通过仿真分析了其优缺点。其次,系统研究了模糊理论与神经网络各自的原理与特点,比较了两者运行机制的不同,分析了两者结合的必然性,进而研究了模糊神经网络的结构,其中重点研究了动态模糊神经网络,通过对网络的激活函数与隶属函数选取以及网络结构的分析,研究了动态模糊神经网络的特点,并通过仿真比较验证了动态模糊神经网络在非线性函数逼近方面良好的性能,为将动态模糊神经网络应用于信道盲均衡提供了理论依据。最后,将动态模糊神经网络应用于信道盲均衡中,利用动态模糊神经网络良好的网络结构与非线性逼近能力,通过对代价函数的改变,设计了基于动态模糊神经网络的盲均衡算法,给出了算法的推导公式,经计算机仿真表明了该方法的可行性。