针对MQAM信号的盲解调关键技术研究由来已久,现有的大多数算法均基于高斯模型,通过计算信号的高阶统计量来提取信号特征,并用于解调的各个步骤。但实际通信系统中,信号传输过程中受到各种干扰,噪声呈现出较强的脉冲特性,而计算脉冲噪声下信号的高阶矩会进一步增加噪声的影响,从而使得算法性能下降,甚至完全失效。因此基于脉冲噪声的MQAM信号盲解调技术研究更具实际意义。本文主要针对脉冲噪声下的MQAM信号盲参数估计与盲均衡算法展开研究,在抑制脉冲噪声的同时,进一步提高盲参数估计与盲均衡算法的性能。文章主要工作如下:(1)针对传统的循环谱估计算法无法抑制脉冲噪声的问题,提出了一种基于分数低阶矩的MQAM信号载频与符号率估计算法。仿真实验表明,该算法有效抑制了脉冲噪声,实现了载频与符号率联合估计。(2)针对脉冲噪声下MQAM信号符号率估计算法精度不高的问题,提出了一种基于递归混合Myriad滤波(RHMy)二次小波变换符号率估计算法。实验验证表明,该算法进一步提高了符号率估计的精度。(3)针对脉冲噪声下传统均衡算法收敛精度不高的问题,首先提出了一种改进的FLOM-CMA算法,并在此基础上,提出了一种基于Lorentzian函数的变步长改进FLOM-CMA算法,在抑制脉冲噪声的同时进一步提高了均衡的收敛精度。通过仿真实验分析了算法性能,并利用实际数据验证了算法的有效性。(4)针对单一的改进盲均衡算法无法同时满足收敛速度与精度的问题,将改进FLOM-CMA算法与DD-LMP算法进行凸组合,提出了一种基于凸组合的并行双模盲均衡算法。分别采用仿真数据与实际数据对算法进行了验证,结果表明,该算法不仅能够有效抑制脉冲噪声,在收敛速度不明显增加的条件下,实现了更高精度的盲均衡。