蚁群算法是一种新型的群智能仿生启发式算法,它具有正反馈和分布式并行计算机制,较强的鲁棒性,易与其它优化算法结合等优点。随着蚁群算法研究的不断深入,应用领域逐渐扩大,尤其是随着盲信号处理技术的发展,蚁群算法也被应用于盲信号检测技术中,并取得了良好效果。盲信号检测在众多科学领域,特别是在无线通信系统、生物信号处理等领域有着广泛的应用。本文针对文献中求解盲检测问题的蚁群算法存在的不足,提出了两种改进的基于蚁群优化的盲检测算法,并通过算法性能仿真及复杂度与收敛性分析验证了改进算法的优越性。第一章讨论全文研究的背景和现状,并对全文所做的工作进行概述。第二章介绍了蚁群算法的原理、算法的功能特点、性能参数以及典型应用等。第三章首先将盲均衡问题转化为基于有限字符集的二次规划问题,然后介绍基于SIMO系统模型的基本蚁群优化盲检测算法,最后通过仿真实验进行验证。第四章提出两种改进算法——简化蚁群优化盲检测算法(SACO)和随机扰动蚁群优化盲检测算法(RPACO),通过对两种改进算法性能仿真实验分析,并对简化蚁群优化盲检测算法的复杂度和收敛性的理论分析,验证了改进算法的优越性。第五章将基本蚁群和两种改进蚁群优化盲检测算法分别从BPSK的发送信号扩展到QPSK信号随机复信道和多电平多字符集QAM的系统中,并对它们的误码率、收敛性进行实验仿真,仿真结果验证了改进算法具有稳定的收敛性和良好的盲检测性能。第六章是对全文的总结和下一步研究方向的展望。