盲源分离问题就是从一组传感器端的观测信号中分离或提取出源信号的一个过程，对源信号我们完全未知或知之甚少，仅有源信号间相互独立的假设。本文基于信息最大化算法，在盲源分离数学模型的基础上，研究、分析了瞬时混合模型和卷积混合模型下盲分离的两类算法，并对其结果用模拟信号在计算机Matlab环境下进行了仿真实验。主要研究工作和取得的成果如下：(1)分析了信号盲源分离的概念、数学模型及其自适应迭代算法的一般推导方法，在查阅、研究了国内外众多研究成果的基础上，对其发展和应用作了比较详细的归纳和总结。研究和分析了盲源分离的一些基本理论，包括高阶累积量理论和信息理论，并对判决信号类型的Kurtorse概念作了介绍。 (2)针对线性瞬时混合情况下的盲分离算法，从高阶统计量和信息论两个方面展开研究。对基于信息理论方面的瞬时盲分离，先从整体上阐述了信息理论用于盲分离的可行性，然后详细介绍了最大熵原理、信息最大化算法和最大似然估计，并指出在信息理论框架下信息最大化传输、最大似然估计和输出互信息最小化是统一的。最后，对基于信息理论的瞬时混合盲源分离算法给出了Matlab仿真。 (3)对卷积混合模型的盲分离算法，先从简单理想化的时延模型入手，研究了算法的一般推导过程。对基于信息理论的卷积混合模型下的信息最大化盲解卷积算法从前向分离结构和反馈分离结构两种情况进行了详细推导，并对它们对实际分离过程中遇到的问题作了分析，指出反馈型分离结构优于前向分离结构。最后，在计算机上设计了仿真试验，用模拟信号验证了算法的可行性和收敛性。