混合语音信号的盲分离起源于“鸡尾酒会问题”,迄今已有二十多年的研究历史。在许多盲源分离算法中,一般假设源信号的个数不多于传感器的个数,此外许多方法要求事先己知源信号的个数,这种假设往往限制了实际应用。本文介绍了一种欠定盲分离方法,该方法结合了独立变量分离法和时频掩蔽法,在仅有两个观测信号的基础上就可以判断出混合信号中源信号的个数并实施分离,实验证明,在瞬时混合与无回声混合的环境下,如果源信号的功率相等,该算法具有稳定性。算法首先运用ICA算法预处理两个观测信号,获得统计独立的子信号,再根据子信号产生时频掩蔽模板,作用在子信号上估计出分离信号。迭代和融合是本文的特色,迭代过程直到子信号中仅含有一路源信号时才停止,初步分离信号的音质可以在融合过程中提升。利用MATLAB和室内仿真工具箱,本文对各种情况下的混合信号分离做了大量验证实验。在无回声的条件下可以分离高达七路的语音,估计的掩蔽模板与理想掩蔽模板极为相似,另外,瞬时的ICA迭代算法在时域也可用于分离卷积混合信号,但是仿真效果一般。为了与其他欠定盲分离算法作比较,本文选用DUET进行仿真。对比来看,所介绍方法在分离瞬时混合信号上具有优势,分离卷积信号的性能与其相当。最后文章分析了算法存在的局限性,参照一些重要文献,给出了基于部分频率和基于参数、门限的改进方法。