盲源分离是指在未知源信号和传输信道先验信息的情况下，根据输入源信号的统计特性，仅由观测到的混合信号来恢复或估计出源信号。盲源分离涉及到统计信号处理、信息理论以及人工神经网络等理论，现已成为众多领域的研究热点。本文重点研究盲源分离算法以及在雷达信号分选中的应用，主要工作概括如下：　　首先，研究了瞬时混合盲源分离算法，包括独立分量分析法和联合对角化方法。通过仿真实验，验证了各个算法的有效性及其适用条件，并比较了算法的分离性能和实时性。　　其次，研究了卷积盲源分离算法，包括时域和频率方法。重点探讨了频域卷积混合中的排序不确定性，针对逐次排序算法的不足，提出了一种基于区域划分的排序方法，并根据相邻频率点之间的相关性，估计错误分离频率点的源信号。　　最后，针对常规雷达信号分选方法的不足，研究了基于盲源分离的雷达信号分选算法。对各种线性调频、相位编码、非线性频率调制等LPI雷达信号混合模型，进行信号分离仿真实验，验证了算法的有效性。