在无线通信系统中,对无线信道进行有效地动态估计,跟踪和均衡一直是通信信号处理的研究热点和难点。本文提出了借鉴免疫机制动态训练径向基(RBF)神经网络的算法,以解决OFDM无线通信系统中的动态信道均衡问题。无线信道具有非线性,动态时变等特点。因此具有强大非线性处理能力的RBF神经网络相比常规线性信道估计算法可以达到更高精度;另一方面,自然免疫系统所具有的多样性、自组织、自适应、分布式并行处理、鲁棒性等特点,使其能够快速而有效地应对病原体的入侵(外界环境变化),从而为如何应对动态变化环境的问题提供了大量借鉴。本文首先将人体免疫系统特性与RBF网络的对应联系作了深入分析,提出借鉴了多种免疫机制后,具有在线局部调节能力的RBF神经网络动态训练算法,并将其成功应用于OFDM接收机信道均衡系统,提高了性能;在此基础上,本文又通过进一步深入研究无线信道特性,提出了专门针对OFDM接收机的硬件可实现的免疫机制RBF网络结构,该结构在保证原先免疫RBF算法性能的基础上大大降低了计算复杂度,并且可以有效仿止RBF网络训练过拟合;此外,本文还提出了一种正则化递归最小二乘算法用以在线更新RBF网络权值,可以极低的计算量得到网络权值在最小均方误差下的最优解,完成对高速变化动态环境的实时跟踪。仿真结果表明,我们的算法相比传统线性算法,精度大大提高;而相比通常的非线性算法(遗传进化算法)有更快的计算速度,使得该算法的硬件实现成为可能,达到了算法性能和速度的最佳平衡点。由此,我们提出的免疫机制RBF网络训练算法在具备很高精度的同时又能够高速实现,完全可以胜任快速变化的非线性无线通信环境中进行信道估计,跟踪和均衡的任务。