在数字通信系统中,由于信道的多径效应等原因产生的畸变,导致接收信号存在码间干扰,使得系统的通信能力性能下降。因此就需要在接收端利用均衡技术来补偿码间干扰,改善系统的通信性能。均衡技术是指在信道的接收端使用一个具有与通信信道相反特性的滤波器来抵消信道造成的干扰。传统使用的自适应均衡技术需要周期性地发送已知训练序列来跟踪信道的变化,而已知的训练序列会占用有限的带宽,降低通信的效率。相对于传统的均衡技术,盲均衡不需要使用训练序列,仅仅根据接收到的信号序列本身的统计特性对畸变的信道进行自适应均衡,能够有效地提高带宽的使用效率,因此在通信领域得到了广泛的应用。盲均衡的主要问题在于存在收敛速度和稳态误差之间的矛盾,并且在有多个极值的情况下,容易陷入局部极小值而达不到最优解。本文将遗传算法引入到盲均衡算法中,在正交小波盲均衡算法的基础上,研究了基于遗传优化的正交小波盲均衡算法。遗传算法是一种全局并行优化算法,它不要求代价函数的连续性和可微性,具有较强的鲁棒性和全局收敛能力,适合求解多峰值函数优化问题。将遗传算法应用于盲均衡问题的研究,可以加快收敛速度,并取得全局最优解。本文的主要工作：1)对现有的盲均衡技术进行了分析和总结,找出现有算法的局限性和主要矛盾,确定算法的改进方向。2)深入研究了遗传算法,针对盲均衡问题优化的特殊性探讨了遗传算法与盲均衡问题相结合的方法,形成了新的盲均衡算法。3)研究了两种改进的遗传算法,优化了适应度函数并引入到盲均衡算法中,提高均衡器的性能。