语音和乐音是我们生活中常见的两种音频信号,在语音与乐音混合的信号中包含了很多有用的信息比如:说话人身份、语音内容、乐曲旋律等。因此在语音与乐音的混合信号中进行提取有效信息在语音识别、音频检索、计算机听觉等领域有着重要应用。盲源分离(blind source separation,BSS)技术可以实现混合的语音与乐音信号的分离,其可以理解为在源信号和传输通道参数未知的情况下,根据其输入源信号的统计特性,仅对观测信号进行处理而恢复出源信号的过程。在语音与乐音的混合信号中认为它们的源信号是相互独立的,当源信号各个分量具有独立性时,盲源分离过程称为独立分量分析(independent component analysis,ICA)。独立分量分析主要由准则函数与优化算法构成,在分离混合信号时的核心问题是选取性能优越的优化算法使准则函数结果达到最优。常用的准则函数有:互信息最小化法、负熵最大化法、极大似然法、四阶累积量等,利用这些准则函数来判断分离后各信号的独立程度。在准则函数确定以后,则选取恰当的优化算进行寻化使其独立性最大。常见的优化算法有:遗传算法、人工蜂群法、粒子群算法等。智能优化算法的应用,可以克服独立性准则函数的优化进入局部最优位置,但是,这些传统优化算法都具有一定局限性,这些优化算法的性能依赖控制参数的选择,因此,提出利用一种单参数的纯随机搜索的单形进化优化算法(surface-simplex swarm evolution,SSSE),克服算法参数对优化算法性能的影响,提高盲分离算法的应用有效性,其思想是根据粒子的单形邻域特点利用单形邻域搜索机制与多角色进化搜索策略。仅需设置种群数目这一个参数,在全随机二维子空间中,利用单形邻域凸集逐步逼近与搜索定位进行寻优,减少了对初值的依赖。本算法采用群体协作搜索和竞争选择的方式,在搜索方案中利用粒子多角色态,实现粒子多样化,改进了搜索的全局性。实验根据语音与乐音信号特点选取四阶累积量作为独立分量分析的准则函数,将单形邻域与多角色进化优化算法与独立分量分析相结合,对语音与乐音混合信号进行盲分离,算法通过搜索算子的全随机搜索性与多角色态特性,对准则函数进行优化使分离效果达到最优。通过仿真实验,实验结果表明,该改进算法有效分离出语音成分与背景乐音成分,而且在稳定性和分离效果方面具有较好的性能。