盲源分离（ICA）是信号处理的一个重要研究方向。经过国内外学者几十年不断的研究，已经提出了能够针对不同信号形式和不同假设条件的盲源分离算法，其理论体系已日益完善。然而，随着现代分离技术的不断提高以及电磁环境的日益复杂，传统的盲源分离算法已无法解决噪声环境下的盲源分离问题。本文针对噪声背景下改进Fast-ICA算法在多分量检测与识别中的应用进行了研究。　　首先，研究了传统无噪环境下的盲源分离。主要针对传统算法中的Infomax算法、Extended-ICA算法和Fast-ICA算法进行了研究。这几种算法在没有噪声干扰下，可以将混叠信号分离出来，但是恢复出来的信号效果并不好。　　其次，研究了噪声背景下的盲源分离算法。首先对噪声背景下传统Fast-ICA算法和EASI算法进行分析，并将Fast-ICA算法和EASI算法进行了融合，提出了一种改进的Fast-ICA算法，并将其应用在噪声环境。该算法不但可以快速地收敛并且在噪声背景下依然可以将混叠信号分离出来。　　最后，对LPI雷达辐射源信号的检测与识别进行了研究。多目标分量的检测与识别的难点就在于信号混叠在一起会产生交叉项，而改进的Fast-ICA算法可以将混叠信号进行分离，从而可以消除交叉项。再利用单分量信号的PWVD检测和识别得到所需要的信号参数。并通过对改进的LPI雷达信号的检测与识别算法进行分析得出改进算法对参数的估计准确。