多输入和多输出(Multiple Input&Multiple Output,MIMO)系统已经广泛应用于现代通信领域。由于存在着多径干扰以及多用户干扰,在MIMO系统的接收端存在着严重的码间串扰ISI,盲均衡技术能够有效减少ISI。传统的盲均衡算法研究是在高斯噪声环境下进行的,然而,复杂电磁环境下通信信道的噪声具有显著的脉冲特性,这类噪声更适合以α稳定分布来描述。研究发现,在脉冲噪声环境下,基于高斯噪声假设的盲均衡方法的性能会有明显下降。所以,在α稳定分布噪声环境下开展MIMO系统盲均衡技术研究是很有必要的。本文主要研究α稳定分布噪声环境下MIMO系统的盲均衡问题,已做的具体工作如下:研究了α稳定分布的定义,并讨论α稳定分布的三种特例。在α稳定分布噪声环境下观察传统盲均衡算法的均衡效果,通过仿真比较发现,由于噪声的脉冲特性,传统方法在此环境中性能严重下降。提出了基于改进布谷鸟算法的分数低阶盲均衡算法。针对基础布谷鸟算法(Cuckoo Search,CS)具有收敛速率慢,寻优效率低的问题,我们将椋鸟群行为和自适应发现概率机制引入其中,提出了一种改进布谷鸟算法(SCS),并有效提升了CS算法的性能。然后将SCS算法应用于α稳定分布噪声下的盲均衡技术。仿真表明,基于SCS算法的新盲均衡算法能够有效加快收敛速率并降低稳态误差。针对基于余弦代价函数的盲均衡算法(CCF)在脉冲噪声环境下稳态误差大的缺点,本文提出了一种自适应分数低阶盲均衡算法VSS-FLOSCCF,在保持稳态误差足够小的前提下加快了收敛速率。为了进一步平衡收敛速度与稳态误差之间的矛盾,将凸组合思想与该算法结合,提出了一种均衡器并联结构盲均衡算法,有效降低了稳态误差。构建了MIMO系统盲均衡仿真平台,将前文提出的算法应用于MIMO系统中,并在仿真平台中加以验证。