信号处理在各个领域一直有着重要的地位,而伴随着移动通信和地质勘探技术的发展,迫切需要一种新的信号处理方法,盲信号处理就应运而生。盲源分离是二十世纪九十年代发展起来的一种新兴信号处理方法,它在研究语音增强、图像识别、生物工程信号、通信信号以及地震探测等领域中有非常重要的理论价值。传统盲源分离往往假设传感器个数大于信源数目,但是伴随着盲源分离问题的深入研究,欠定盲源分离问题备受关注,因为它是更符合实际,也是更具挑战的。在此条件下系统是不可逆的,传统的盲源分离算法失效,所以本文在语音信号稀疏表示的基础上,对语音信号欠定盲源分离的关键技术进行了研究。本文首先介绍盲源分离的发展现状,并对传统盲源分离算法进行了阐述。然后对欠定盲源分离的理论基础及关键技术进行了探索性研究。其中“两步法”是欠定盲源分离问题的热点,即首先通过聚类算法估计出混合矩阵,然后通过优化算法得到源信号估计,它与信号稀疏表示以及过完备基的选择有着密切关系。本文主要研究的内容如下：在信号稀疏表示的基础上,本文将目前模式识别聚类理论中最为成熟的模糊C均值聚类算法,运用到混合矩阵估计中。它克服了传统用势函数估计混合矩阵的方法中存在的参数选择复杂,势函数定义缺乏理论指导等缺点。但是模糊聚类自身存在对初始值敏感,易陷入局部最优等缺点,因此将其与差分进化结合,提出DE-FCM的混合矩阵估计算法,实现无监督聚类,参数选择简单,收敛速度快,估计准确等优点,并且达到全局优化。得到混合矩阵的估计之后,为了估计出不同稀疏程度的源信号,本文将平滑l0范数思想引入源信号估计中,不再使用最小l1范数的方法。因为最小化l1范数只有在信号足够稀疏时,才可以很好的恢复出源信号。而平滑l0范数直接利用一个近似函数来逼近l0范数以保证估计的性能,并利用一个控制因子来决定估计出的源信号稀疏性强度。实验表明该方法可以很好的实现源信号估计,而且得到源信号估计更符合混合模型。