码间干扰被认为是在无线通信领域中高速传输数据时的主要障碍，为了克服其引起的信号失真，在通信系统中常常使用信道均衡技术。传统均衡克服码间干扰的方法是发送训练序列，盲均衡具有无需训练序列的优良特性。其中基于神经网络的盲均衡算法具有收敛速度快、误码率低等优点，对处理一些复杂的非线性问题特别有效，已成为均衡技术发展的新亮点。　　 本文首先对盲均衡技术的基本原理及发展进行了阐述，介绍了人工神经网络的概念与发展，以及原有的各种盲均衡算法的优缺点，接着主要研究BP神经网络的盲均衡算法。在分析了三层BP神经网络的结构以及以传统的恒模算法(CMA)函数作为代价函数的优缺点后，将恢复信号与判决信号的误差函数引入到调节系统权值的函数中，进一步提高了权值调节的精确度，改善了系统的整体性能。利用BPSK与4PAM作为发送序列进行计算机仿真，实验验证误差函数的引入在收敛速度，稳态剩余误差以及误码率等性能上确实有所提高，但是不尽人意。于是本文在以上的基础上引入了动量项因子，使得以往每次权值的调节量都能够对当前时刻权值的调节起到作用。最后本文在考虑了实数域后讨论了复数域下BP神经网的盲均衡，并且利用QPSK信号分别在实数信道与复数信道系统中进行计算机仿真。仿真实验结果表明了改进的算法具有良好的性能，在收敛速度、稳态剩余误差、误码率等性能方面均有明显的改善。