正交振幅调制QAM(Quadrature Amplitude Modulation)是一种频谱利用率很高的调制方式,但在实际的传输过程中,由于受到信道特性等因素的影响,引起了波形失真和码间串扰ISI(Inter symbol Interference)以及信道间干扰ICI(Inter Channel Interference)。而均衡技术就能够一定程度地校正系统特性,减小ISI和ICI的影响。传统的均衡技术在已知信道特性的情况下,利用训练序列,使均衡器逐步趋近较为理想的状态。但是发送训练序列需要额外的信道带宽,这就加剧对本就不宽裕的信道资源的占用。因此能够在不知道信道信息并且不发送训练序列的情况下,能够凭借一点先验信息就能够进行信道均衡的盲均衡技术成为了研究的重点之一。本文针对及QAM信号自身的特性以及在实际实验平台中的实践要求,较为系统地研究了相应的盲均衡算法,所做工作有以下几点:首先通过对Bussgang类盲均衡算法一些本身性质的描述介绍了这一类盲均衡算法的核心工作方式。并就其中几种重要的Bussgang类盲均衡算法进行了的介绍。其次介绍了最常用和基本的常数模(CMA,Constant Modulus Algorithm)算法。通过分析其性能,指出了CMA算法不能纠正相位旋转的局限性,以及固定步长所带来的误差大问题。再次,根据高阶QAM信号的特点,使用了多模式的盲均衡算法,并将这种算法与传统CMA盲均衡算法作对比。然后通过阅读文献的启发将CMA算法和多模式算法进行融合,采用了双模式的算法,这样做虽然能在一定程度上提高算法的均衡性能,但还是没能解决之前的两个问题,而且在实际的项目中需要在信噪比为15dB的情况下,对均衡后的信号进行调制方式的识别,并期望正确率能达到90%,那么均衡性能的好坏就直接影响到了之后的调制识别的正确率,但是之前算法的在这种条件下的输出信噪比为30dB左右,不能达到上述要求,所以这也迫使我要进一步研究提高均衡器的性能。最后在分析了以上算法的局限性后,根据实际实验平台中对均衡性能的要求,在以上算法的基础上进一步提出了变步长的双模式多模盲均衡算法。而且仿真结果表明,这种新提出的算法较之前的双模式盲均衡算法性能有所提升,修正了相位旋转和采取固定步长的局限性,并通过实验平台验证,确定改进后算法在信噪比上提升了50%左右,最终满足了实验平台对数据的要求。