盲均衡技术是一种不需要发送训练信号，仅利用接收信号本身的统计特性就能对信道的色散特性进行均衡的新型自适应均衡技术。可以有效地克服码间干扰，提高通信质量，是目前数字通信和信号处理领域的热点研究课题之一。人工神经网络是理论化的大脑神经网络的数学模型，是基于模仿大脑神经网络结构和功能而建立的一种信息处理系统，能够进行复杂的逻辑操作并实现非线性关系，用神经网络优化均衡算法具有重要的理论意义和实用价值。本文所做的主要工作如下：(1)分析了三层前馈神经网盲均衡算法的缺陷，讨论了其改进形式，提出了基于四层前馈神经网络的盲均衡算法。通过计算机仿真表明，与原算法相比，新算法的均衡效果有所提高。(2)在总结基于四层前馈神经网络的盲均衡算法性能的基础上，提出五层前馈神经网络的盲均衡算法。通过计算机仿真表明，与三层和四层算法相比，新算法的均衡效果有了进一步的提高。(3)研究了一般的多层前馈神经网络盲均衡算法中各项性能指标，将三层前馈神经网络盲均衡算法与四、五层的前馈神经网络盲均衡算法相比较，总结出通过增加隐含层的方法可以降低稳态剩余误差和误码率，但收敛速度将会随着层次的增加而降低。