在移动通信系统中由于小尺度多径传播、多径时延和多普勒频移造成不同类型的衰落,对自适应均衡技术的适应性、鲁棒性提出了进一步的挑战。人工神经网络具有并行计算、自学习、自组织的特性和全局逼近能力,因此人们开始将神经网络作为设计均衡器的一种方法,且得到了较好的均衡效果。本文对基于BP神经网络的自适应均衡算法进行了研究,分析收敛性能上存在的缺点,将变步长思想和协调器引入神经网络均衡算法中,并给出了自适应均衡器的一种FPGA并行实现结构。本文的主要内容如下：(1)在归纳总结BP神经网络和自适应均衡器的理论基础上,结合二者的优点,确定了基于BP神经网络自适应均衡器的设计方法。(2)针对传统BP神经网络均衡算法的不足,研究了学习速率及动量项对算法性能的影响,提出了变学习速率、动量项BP神经网络均衡算法。仿真结果表明,这种方法与传统BP神经网络均衡算法相比,收敛速度得到了一定程度的提高。(3)采用Altera公司的CycloneⅡ系列的FPGA芯片,使用自顶向下的设计方法,完成基于BP神经网络的自适应均衡器的模块设计。从硬件结构的优化角度入手,对神经网络中各模块的不同实现方式进行比较研究,找出较合理的设计方案。实现了基于FPGA的自适应均衡器的实时性和灵活性,研究BP神经网络自适应均衡器的FPGA实现具有特别的现实意义和广泛的应用前景。