在数字通信系统中，信道的畸变产生了码间干扰，降低了系统性能。均衡技术是抑制码间干扰、改善系统工作特性的有效方法。盲均衡则是一种不借助训练序列，仅利用接收序列本身的先验信息来恢复发送序列的方法。 由于实际通信系统中的大多数信道是非线性模式，使得基于神经网络非线性特性的盲均衡成为近年来研究的热点。传统的BP算法在盲均衡问题上取得一定的成绩，但它只对局部搜索有优势，对于有多个极值的情况，容易陷入局部极小。本文在研究现有算法缺陷和局限性的基础上，将遗传算法引入神经网络盲均衡。遗传算法是一种全局并行的随机搜索方法，具有较强的鲁棒性和全局收敛能力。用于解决盲均衡问题时，不要求代价函数的连续性和可微性，但计算代价大，不适用于解的微调，难以确定解的精确值。因此，将遗传算法与BP网络有机结合，利用遗传算法全局搜索能力强的特性来消除传统神经网络算法的缺点，取长补短，就能达到更优的均衡效果。 具体算法采用两阶段寻优法。首先，用遗传算法来优化神经网络的权值，为神经网络提供一个全局较优的局部搜索空间；其次，利用