En esta tesis hemos querido básicamente considerar el diseño de funciones de coste para adaptación ciega en un amplio margen de aplicaciones en el ámbito de las comunicaciones digitales, tomando en consideración los siguientes problemas de recuperación de señales:Ecualización, recorrelación y conformación de haz.Introducimos un criterio de diseño para algoritmos ciegos, así como dos funciones de coste que implementan dicho criterio.El diseño de funciones de coste para los problemas anteriores se consigue mediante aplicación de los criterios de referencia espacial y referencia temporal, normalmente, de tipo error cuadrático medio. La idea motriz de esta tesis consiste en añadir un tercer criterio a los dos anteriormente citados: el criterio de referencia estadística, aplicable a algoritmos de adaptación ciega. Es decir, en la recuperación de señales tomamos como referencia la distribución de probabilidad de la señal que deseamos recuperar, que suponemos, naturalmente, conocida. Este criterio es especialmente robusto en el caso de conformación adaptativa de haz donde deseamos recuperar una señal de una determinada estadística de entre todas las incidencias en el array.Incluso, la recuperación es posible en presencia de interferencias más potentes que la misma señal deseada.Otro ejemplo como el de recorrelación de señales CDMA, presenta un cariz algo distinto. En este caso las señales de todos los usuarios tienen la misma estadística. Por lo tanto debemos utilizar un criterio de referencia estadística que utilice información sobre la función de densidad de probabilidad conjunta de todos los usuarios.Análogamente a los criterios de referencia temporal, se introduce el concepto de función de regeneración de datos. La ausencia de una referencia en algoritmos ciegos se resuelve entonces mediante una función no lineal, que al aplicarla a la señal de salida del sistema adaptativo regenera una referencia. / This thesis considers a design criterion for cost functions in adaptive signal processing, in order to enforce a target probability density function at the output of an adaptive system. This philosophy is named Statistical Reference, in contrast to temporal and spatial reference methods used in array processing. The Kullback-Leibler distance between probability density functions contitutes the theoretical basis to achieve the so-called "distribution matching". Applications are considered in the field of digital communications: blind cannel equalization and array processing