盲源分离(Blind Source Separation, BSS)的主要任务及实质就是对于一个未知的混合系统,在其源信号完全未知或仅有少量先验知识的情况下,仅由系统的观测信号来重构源信号或进行系统辨识,它是以独立分量分析(Independent Component Analysis, ICA)为理论基础的。受益于这种“盲”的特性,盲源分离对多个领域都有很大的促进作用,特别是它在语音、图像、声纳、雷达、通信等方面的应用对军事和国防科技的发展起着非常重要的作用。本文主要针对纯衰减延时模型对语音信号的频域盲反卷问题进行了研究,其主要思想是利用傅立叶变换把混合模型在时域中的复杂卷积运算转换为频域中的相对简单的乘法运算,把时域中的解卷积问题简化为频域中的每一个频率点上的瞬时分离问题。这样做大大降低了算法的计算量和计算复杂度,提高了盲源分离的效率。然而,频域盲反卷方法会带来源序和幅值的不确定性问题。本文通过检验不同频率点上的分离矩阵,以相邻频率点上列相似性较大的列为同一列序,完成了对源序的调整。同时,采用系统辨识(数据拟合)的方法进一步完成了对幅值的调整。最后本文还对提出的方法进行了Matlab实验仿真,基本完成了对混合信号的分离。