肺音信号是一种生理声信号,它是在人体的呼吸系统与外界在换气过程中产生的。肺音信号产生机理复杂却包含有丰富的生理和病理学信息。在现代的医学中,电子听诊是诊断呼吸系统疾病的一种常用的并且重要的手段。然而在听诊过程中,却有着心音信号这样一个不可避免的干扰。所以怎样从体表采集的肺音信号中除掉心音信号这样一个干扰,也从而成为一个热门研究。本文采用盲源分离(BSS)技术,来分离心音信号与肺音信号。盲信号分离就是在混合过程和被混合源信号均未知的情况下,根据少量的先验信息,从观测值中恢复或估计出源信号。这一先验信息通常就是盲信号分离中的基本假设条件一源信号是统计独立的。线性即时混合和独立性假设条件下的盲分离问题又称为独立分量分析(ICA)。源信号的统计独立性是一个很宽松的条件,因此盲信号分离在众多的领域中获得了广泛的应用,例如语音信号处理、图像信号处理、生物医学信号处理、通信、雷达等等。本文介绍了盲源分离的基本数学原理和基本模型、求解问题的步骤,详细阐述和分析了独立分量分析的理论和算法。同时论述了ICA在信号处理中的应用,提出了存在的问题和进一步研究的方向。详细阐述了利用快速不动点(FastICA)算法和信息极大准则(Infomax)算法实现语音分离的相关问题。最后结合心音信号与肺音信号是具有短时平稳性的非平稳信号的事实,我们采用FastICA算法和Infomax算法对肺音信号和心音信号进行盲源分离,最后通过仿真试验,表明了上述两个算法有较好的性能。同与以往的肺音信号提取的方法相比,我们采用盲源分离的方法既能够在分离出肺音信号也能够分离出心音信号。因此本文的研究有双重的意义。