许多文献研究了两样本均值向量是否相等这一检验问题。对于高维数据,一些传统的检验方法,例如t检验、u检验和Hotelling T2检验等已不再适用。针对此类高维数据两样本均值检验,许多学者都提出了有效的统计量和方法。然而,他们的检验p值大多都是通过渐近正态性计算的,这就不可避免地需要对协方差矩阵的结构做出严格的假设,在实际应用中具有很大的局限性。Zhang et al.（2020）[1]提出了一种基于L2范数的检验方法,检验p值是利用卡方分布的变换计算而得,显然卡方近似包含了正态近似这种特殊情况,因此基于L2范数的检验方法适用范围更广。尽管他们检验比现有的一些检验有着更好的经验功效,但仍然存在约束,即假设两总体的协方差矩阵∑1=∑2,这在实践中往往是不成立的。因此我们将基于L2范数的检验推广到更一般的情形,即∑1≠∑2。在这种情况下,我们需要估计tr（∑12）,tr（∑22）以及tr（∑1∑2）。在本文中,为了得到检验统计量更精确的近似分布,我们通过使用U统计量对它们提出了新的估计,并提出了新的检验方法。新的检验方法不仅适用于两总体协方差矩阵不相等的情形,同时也适用于两总体协方差矩阵相等的情形,这已通过大量模拟得到验证。大量的模拟和真实的数据分析表明我们的方法是合理的。