码间干扰被认为是在无线通信领域中高速传输数据时的主要障碍，为了克服其引起的信号失真，在通信系统中常常使用信道均衡技术。传统均衡克服码间干扰的方法是发送训练序列，盲均衡具有无需训练序列的优良特性。其中基于神经网络的盲均衡算法具有收敛速度快、误码率低等优点，对处理一些复杂的非线性问题特别有效，已成为均衡技术发展的新亮点。　　 本文首先对基于神经网络的盲均衡技术原理及发展进行了阐述，分析原有神经网络盲均衡算法的优缺点，然后主要研究Hopfield神经网络盲均衡算法。在总结神经网络盲均衡算法国内外现状的基础上，提出基于Hopfield神经网络盲均衡算法处理多值信号的方法:将Hopfield神经网络盲均衡在实域中从二值推广至四值情形，实现4PAM四值信号的盲均衡，用基于接收信号有限字符集的盲均衡性能指标去构造Hopfield神经网络的权值矩阵，有效地从能量函数的平衡点中检测出能量函数值最小点。该算法不必进行信道估计，也无须进行均衡器系数的调整，是一种直接盲检测算法。仿真结果表明该算法具有良好的性能，收敛速度与误码率均有明显改善。