信息技术的快速发展,促进了各类电子信息系统的广泛应用,也导致了电磁环境日趋复杂。复杂的电磁环境使得电磁信号在传输过程中极易叠加上其他干扰信号,影响信息系统的正常工作。盲源分离可根据观测到的混合信号分离出各个源信号,进而提取出有用信号,去除干扰信号的影响。观测信号数目少于源信号数目的欠定盲源分离问题是盲源分离研究中的难点,但因其更符合实际情况,因此具有较高的研究价值。本文以典型电磁信号为研究对象,对欠定盲源分离算法展开研究。本文首先介绍了欠定盲源分离理论及方法,然后采用基于稀疏分量分析的“两步法”将欠定盲源分离分为混合矩阵估计和源信号分离两个过程。在混合矩阵估计时,针对传统的K-means聚类算法的不足,提出了一种改进的算法,该算法通过离群点检测消除噪声点干扰,利用亲和传播聚类估计源信号数目和初始聚类中心,最后采用K-means算法估计出混合矩阵,仿真结果表明,该算法有效提高了混合矩阵估计精度,并具有更广的适用范围;在源信号分离阶段,引入压缩感知理论,建立欠定盲源分离系统的压缩感知模型,采用字典学习算法构建冗余字典,寻求源信号的稀疏表示,针对正交匹配追踪算法迭代次数多和数据利用率低的缺点,采用基于Dice系数的广义正交匹配追踪算法重构源信号,仿真结果表明,该重构算法能有效提高分离精度。最后,以本文算法为基础设计了电磁干扰辅助诊断系统,并在电波暗室中进行了晶振电路的辐射干扰发射实验,利用本文算法及系统,实现了辐射干扰信号的分离,并取得了较好的效果。