由于在很多通信系统如移动通信系统的信道特征往往是未知且时变的，为了设计相应的自适应均衡器，我们很有必要研究不需要输入端发送已知的训练序列，而只根据系统的输出观察值来完成自适应均衡的技术。 传统的盲信道辨识和均衡都是基于高阶统计算法。直到九十年代中期，基于二阶统计量的算法被提出，这是一个重大突破：对信道输出信号过采样后具有丰富的信道信息可以完成信道的辨识。本文深入地研究了基于二阶统计量的盲信道辨识与均衡的时域算法。利用通信信号过采样后所具有的循环平稳性，将单输入单输出系统(SISO)模型等效成单输入多输出系统(SIMO)模型，并据此给出了一种新的基于二阶统计量的递推算法来完成对非最小相位系统的辨识和估计，本文首先分析了在无噪声情况该算法的实现，再将其扩展到有噪声的情况，仿真结果表明此算法有较好的均衡效果。在此基础之上本文将Tong一个假设条件进一步放宽：假设输入的信号是一个零均值的弱自相关的序列而不是互不相关的序列，这一假设使得算法对输入信号的要求降低，同样基于Tong等人算法的思想进行公式的推导，最后得到一种改进的算法，通过仿真结果表明此算法对于发射信号是弱自相关的序列有一定的均衡效果，这是一种更有意义的算法。