在实际的通信领域里,信道总是带限的和非理想的.数字信号通过这样的信道传输就应该考虑信道特性对所传送的数字信号的影响.比如实际的信道特别是无线通信信道存在着比较广泛的多径效应,形成了传送信号的时延扩展,即某时刻的抽样信号会由于时延扩展在接收端叠加了其他信号的余量,或者由于信道带宽限制,以及无线信道时变的影响,同样造成符号间的相互干扰,这种干扰一般叫做码间干扰(ISI).这种码间干扰的存在会严重影响通信系统的稳定性,甚至会导致系统无法工作,所以必须设法减小或消除.人们已经提出了很多种降低ISI干扰程度的算法,并且在实际的通信领域得到了广泛的应用.一般是在接收端加上某一种均衡器,使信号经过均衡,从而实现减少或消除ISI的效果.一类算法叫做线性均衡算法.一般是通过已知序列在确知信道上计算出最大程度上减少ISI的均衡器系数,然后均衡器就以这种已知的和确定的均衡器系数值对整个信号序列进行均衡.这种均衡器显然不适应于诸如无线通信等领域,因为其信道条件会经常变动的.于是人们又广泛研究和引入了自适应均衡算法,这类方法一般是定期在系统的发射端发射一定量的确知信号,以此确知信号作为参考信号在接收端与输出信号对比形成误差信号,再去调整均衡器系数,输出一个信号样本,系统"训练"一次.这种确知序列叫训练序列.这种算法是动态的和实时的,适用于时变信道的特点.但训练序列的引人增加了系统的额外开销,降低了通信系统的效率,特别是移动通信领域,语音对话的实时沟通性,不允许有过多的时延,因此迫切需要一种不需要训练序列又能适应于类似移动通信信道条件的均衡方法.自适应盲均衡就被许多学者提出并不断改进.常模量算法(CMA)就是在这种背景下提出的.这种算法利用源信号自身的统计特性(如恒模特性)等形成类似的"误差信号"进行自适应搜索,动态地调整均衡器系数.本文先用一定的篇幅系统介绍均衡器的分类和演变顺序,为了更具有连续性和系统性,对各种均衡算法都进行了不同程度的仿真实现.第二章重点介绍基本均衡算法,包括线性均衡器和非线性均衡器.在线性均衡器中比较了迫零均衡器和均方误差均衡器的特性,并进行了仿真;对于非线性均衡器,文中介绍了判决反馈均衡器的概念和原理,为下面展开讨论打下基础.第三章在第二章的基础上介绍了自适应线性均衡器、自适应判决反馈均衡器和自适应盲均衡器的原理并进行了仿真.第四章在介绍自适应盲均衡算法后重点引入常模量算法(CMA),介绍了它的沿革、特性、原理及仿真实现.对于不同的信源条件或信道条件分别进行了讨论和实现并进行了比较.并且为了进一步提高CMA算法的性能,本文对其进行了一些改进,实现效果良好.