常模算法(CMA)是一种重要的盲自适应均衡算法，它不需要训练序列，仅仅通过接收信号的统计特性来获得信道的状态信息，从而有效地恢复出发送信号，可以很好地节约系统的频谱资源。常模算法以其计算复杂度低、性能比较好、易于实时实现等优点，成为通信系统中广泛研究的盲均衡技术。但由于常模算法代价函数本身的缺陷，算法存在以下缺点：初始值的设置对其影响非常大；步长因子对收敛速度有很大限制；模参数值的选取决定其能否全局收敛。 本文讨论常模算法及其在盲多用户检测中的应用。针对常模算法的几个缺点，对常模算法进行改进。本文采用线性约束条件克服初始值的影响。对于常模算法的收敛速度问题，本文首先分析了AWGN信道下LC-CMA代价函数的解析性能，在此基础上提出了一种线性约束共轭梯度常模算法LC-CGCMA。随后，又研究了LC-CGCMA算法的改进算法M-LCCGCMA，其核心是采用最优自适应步长的方法对LC-CGCMA.进行优化，并推导出步长的解析形式，确保了算法收敛于期望用户，提高了系统性能。通过对算法代价函数的理论分析，得出了算法全局收敛的条件。通过仿真验证了基于共轭梯度算法的常模算法的优越性。针对常模算法对模参数值的依赖，研究了一种基于差分形式的线性约束常模算法D-LCCMA，仿真结果表明，该算法具有良好的鲁棒性，能适应多种条件，对于工程应用具有良好的参考价值。随后，将该算法推广到频率选择性衰落信道中，提出了多径信道下基于Rake接收结构的Rake-DCCMA算法。仿真结果再次验证了本文所提算法的有效性和鲁棒性。