频率资源严重不足与高速可靠的信息传输存在着日益突出的矛盾，如何提高数字通信频谱利用效率正是当前数字通信领域研究的热点。超窄带（UNB：Ultra Narrow Band）通信是一种可以提供很高频谱利用率的技术，而EBPSK（Extended Binary Phase Shift Key）调制方法表现出了超窄带的特点。本文从理论研究出发，结合人工神经网络和Volterra序列的特点，设计了EBPSK调制信号的非线性滤波器。 在通信系统中，信号谱重叠导致干扰抑制问题；信道的非线性失真使系统的性能严重恶化，而这些常常需要非线性滤波器来处理。针对通信信号的非线性滤波问题，在前人研究和现有工作的基础上，本文深入研究了基于最低误码率（MBER：Minimum Bit Error Rate）准则的非线性时域滤波理论，据此构筑了滤波器的实现形式，并希望用于超窄带通信系统等领域。 人工神经网络（Artificial Neural Network，ANN）是近几十年来发展迅猛的一门边缘学科，在信号处理、模式识别、智能控制等领域中的应用价值越来越被人们重视。ANN对众多学科的包容性、应用范围的广泛性及其理论方泫的多样性是前所未有的。由于ANN具有表示任意非线性关系和学习的能力，给建立非线性滤波器提供了新思想和新方法。Volterra序列由于其自身特点，可构建有效的非线性模型，从而给滤波器设计提供了另一思路。针对EBPSK信号的干扰抑制问题，本文采用MBER非线性滤波器进行了有效的仿真实验，并对滤波器的参数训练做了详细阐述。