恒模算法(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。恒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采用的盲均衡技术。但由于恒模算法代价函数本身的缺陷，恒模算法存在收敛速度慢，存在局部最小点，相位旋转和对于QAM这样的多模信号算法不够理想等问题。 本文中，我们将首先分别针对多模信号的恒模算法和恒模算法的相位旋转这两个问题，对恒模算法进行改进。针对多模信号的恒模算法，研究了QAM信号均衡系统中的恒模算法以及如何提高QAM系统中恒模算法的性能，提出了一种用于QAM信号的恒模算法——改进双模式MCADAMA算法，并通过仿真验证了MCADAMA算法的优越性。针对恒模算法的相位旋转问题，研究了将差分相位调制应用到恒模盲均衡系统中，来克服恒模算法的相位旋转问题，另外针对QAM系统，采用了一种称为“高阶瞬时量差分编码”的方法，来解决QAM系统中恒模算法的相位旋转问题。通过仿真证明了该方法能够很好地克服恒模算法对相位不敏感的缺点，有效解决恒模算法的相位旋转问题，在信道任何角度的相位失真下，都能保持很低的误码率，并且还能够抵抗一定的多普勒频移。 本文另外一个重点是恒模算法在频域均衡中的应用问题。频域均衡具有很多时域均衡不能比拟的优点，一直备受关注，频域均衡中的恒模算法也很值得研究，但是因为恒模算法要求信号具有恒模性质，这个条件在时域容易满足而在频域则很难，因此迄今为止CMA算法一直只应用于时域均衡，还没有人将其用于频域均衡中。本文开创性地提出了使用CAZAC(ConstantAmplitudeZeroPeriodicAuto-CorrelationSequence)序列作为扩频码时使用CMA算法进行频域均衡的方案，并通过仿真证明了该方案对扩频因子比较小的高符号率的直接序列扩频系统中有很好的应用价值。