均衡技术是数字通信系统中克服码间干扰的有效方法，其中盲均衡是均衡技术的最新发展，它不需要借助训练序列就能自适应调整均衡器的抽头系数，因此得到广泛应用。本文对盲均衡技术主要分支之一——神经网络盲均衡算法进行了深入研究，分析了其在收敛性能上存在的缺点，将变步长思想引入神经网络盲均衡算法中，提出了两种改进算法，并通过计算机仿真对收敛性能进行了验证。 本文所做的主要工作有： (1)归纳总结了神经网络和盲均衡的基础理论，推导了BP算法，并分析了其缺陷。 (2)分析研究了传统神经网络盲均衡算法由于采用固定步长，使得收敛速度和收敛精度之间相互制约。针对这一情况，提出将变步长理论引入神经网络盲均衡算法中。 (3)分析了神经网络盲均衡算法中剩余误差的变化规律，指出将其作为步长控制因子的可行性。并通过对剩余误差进行相应变换，提出了两种变步长神经网络盲均衡算法，分析了改进算法的参数选取原则，推导了算法形式，通过计算机仿真验证了改进算法在收敛性能上有一定的提高。