盲源分离是指在信号的理论模型和源信号无法精确获知的情况下,从观测信号中分离出统计独立的源信号的过程。根据信号混合形式的不同,盲源分离分为瞬时混合和卷积混合两种基本形式。瞬时混合研究相对较早,它是在不考虑延时和卷积前提下,把观测信号看做各源信号的简单线性组合的混合信号,因此只适用于理想情况。卷积混合是一种接近实际环境的模型,它主要是利用傅里叶变换将时域的卷积混合方式转化为频域的瞬时混合方式,再对其进行独立分量分析。　　 本文主要对语音信号盲源分离做了如下工作:　　 首先介绍了盲源分离的背景及研究意义、盲源分离的发展和研究现状以及其在一些重要领域的应用。并分析了盲源分离的理论基础,包括数学模型、独立分量分析以及数据预处理方法等。其次,本文对盲源分离的典型算法进行了介绍,并重点分析和研究了FastICA算法和特征矩阵联合对角化算法(JADE),阐述了两种算法的原理并对两种算法性能作了简单比较。　　 最后,本文对盲源分离的动力学模型进行了描述,同时针对盲源分离过程中存在的源序和幅值不确定性提出了相关的解决方法,这也是本文的创新点所在。本文同时也对语音信号盲源分离的仿真流程做了介绍,具体包括加窗傅里叶变换,用JADE法对语音信号进行瞬时分离以及源序和幅值调整等。最后对语音信号盲源分离进行相关的仿真实验,得出了一些重要的结论和启示,这些对盲源分离今后的进一步深入研究具有一定的指导意义。