CM(constantmodulus)算法，也叫恒模算法，是现代信号处理领域的热点问题。它可以省略掉为了获取信道信息而发射独立的训练序列，从而可以节省大量宝贵的资源。恒模算法是一种高阶统计量方法，其提出早期用于解决单输入输出(SISO)信道的盲均衡，现已广泛地应用于盲信道估计、盲干扰抑制、盲多用户检测等领域。恒模算法及其应用的研究来自其良好的均方误差性能，在高信噪比地情况下，恒模算法能接近最小均方误差估计器的性能。 本文第二章介绍信道均衡的基本原理，侧重于介绍信道盲均衡的原理及实现。要实现理想的盲均衡，需要一个优秀的盲均衡算法做支撑。简要介绍目前通信标准中的盲均衡算法，总结了评判一个算法是否优秀的标准。提出恒模算法就是这样的一类优秀的盲均衡算法。第三章开始介绍恒模算法，首先介绍LMS算法、RLS算法和Bussgang类盲均衡算法，从而得出恒模算法的最初表达式。接着介绍了在LMS算法和RLS算法的基础上得出的恒模算法：最陡下降恒模算法和最小二乘恒模算法。第四章着重讨论恒模算法的收敛性能。首先讨论要使得恒模算法收敛，其迭代步长必须满足的条件。接着讨论迭代步长和接收信号向量的自相关矩阵对恒模算法收敛性的影响。最后一章在先前讨论分析的基础上，列出三种改进后的恒模算法。一种基于变步长，一种在权向量迭代公式中加入接收信号向量的自相关矩阵的变形，还有一种结合了恒模算法和判决引导最小均方误差算法。通过计算机仿真，表明，改进后的恒模算法相对于基本恒模算法，确实有较大的改进。