盲辨识是指仅仅利用系统输出端信号和某些辅助信息来估计信道的信号处理技术。在移动通信中,基于对高容量、高可靠性传输的追求,不需要训练序列的盲辨识技术是很具有吸引力的。由于二阶循环统计量不仅含有信道的幅度信息,而且含有相位特征。因此,在盲辨识中引入循环平稳可以实现非最小相位系统的辨识。本论文的工作就是基于循环平稳理论展开的。本文首先介绍了无线移动信道的基本概念和两种等效的SIMO(Single Input Multiple Output)信道模型,基于这两种信道模型给出了信道可辨识的一般性条件,并对基于互关系的CR算法进行了仿真,说明了信道的可辨识性。其次,介绍了SIMO系统的子空间算法。这一算法通过单输出的过抽样或者多输出的抽样在输出端引入循环平稳,能够仅仅利用输出的SOS(Second Order Statistics)信息辨识出系统传输函数,这就为基于SOS的盲辨识提供了重要的理论基础。传统的子空间方法需要准确的信道长度估计或协方差矩阵秩估计,并且因为采用SVD(Singular Value Decomposition)分解而需要很大的计算量。为了克服这两个缺点,提出了基于ULV更新和过估计抵消的子空间算法,并给出了相应的批处理算法和自适应算法。最后,在输入端通过调制引入了一种特殊的循环平稳,联合调制和输出引入循环平稳,提出了子空间算法,这不仅可以解决了SISO(Single Input Single Output)系统的盲辨识,也使子空间方法在抗噪声和干扰的能力上有了很大的提高。