近些年来，盲源分离和盲信道辨识技术是信号与信息处理学界所关注的一个热点问题，很多不同的算法被不断提出来。和基于高阶统计量的方法相比，基于二阶统计量方法的优点是利用较少的样本就可以达到较好的性能，算法收敛速度较快，即在满足信道可辨识的条件下，只需有限的样本就可以估计出信道参数，噪声不一定是加性高斯噪声；缺点是需对信道的可辨识性和阶数进行准确估计。在SOS的许多应用领域，一个很重要的问题就是确定信号或噪声子空间的维数。“信道无公零点”是现有基于SOS均衡文献中常见的“SIMO信道可辨识条件”。显然，该可辨识条件大大限制了现有SOS均衡算法的应用范围。本文在讨论了现有一些盲源分离算法和基于二阶统计量算法的基础上，在信源信号属于复信号有限字符集{±1±i}的条件下，对于FIR-MIMO通信系统，提出一种新的盲源可分离条件，该条件比以往文献中提出的信道矩阵是不可简约的条件更弱，具有一定的理论意义。另外，本文在讨论了子空间方法如何盲辨识信道的基础上，对于SIMO和MIMO系统，提出了一种新的递归方法，用以对信号子空间的维数进行估计。 本文共分六章：第一章概述了本文所做的主要工作。第二章介绍了盲源分离的理论与经典算法。第三章对于FIR-MIMO通信系统，提出了一种新的盲源可分离条件。第四章阐述了基于二阶统计量的盲辨识和盲均衡，并给出了一种新的递归方法实现信号子空间维数的估计。第五章进行了仿真实验，给出了本文递归算法与其它算法的实验结果，并进行了比较。第六章进行了全文的总结和展望。