盲源分离(Blind Source Separation, BSS)是指在对信号源和传输信道未知的情况下,只凭传感器阵列或天线阵列得到的观测信号恢复源信号的过程。由于盲源分离无需知道源信号的先验信息,从而在信号处理领域得到广泛的应用。语音盲分离作为盲源分离技术的应用典范和重要分支是当前信号处理领域的一个研究热点,这是因为它在语音识别、手机去噪、辅助听觉等诸多应用中都有着重要的实用价值。本文主要对语音信号盲分离进行了研究,主要工作如下:首先介绍了盲源分离的研究背景及意义,阐述了盲源分离的研究现状和一些重要的应用领域。分析了盲源分离的基础理论,包括三种主要数学模型、独立分量分析、数据预处理方法、分离性能评价准则以及语音信号的基本特性等。然后对各种模型的盲源分离算法进行了分析和研究。特别地详细介绍了三个典型的盲源分离算法,它们是:特征矩阵的联合近似对角化法(JADE)、用于解决纯时延混合模型的稀疏盲分离算法—Sparse-delay法,以及卷积混合频域盲分离算法—联合块对角化法(JBD)。最后通过实验仿真的手段对语音信号盲分离问题进行了研究和探讨。将JADE法、Sparse-delay法以及JBD法用于实验仿真中,考察它们对人工合成的各种混合语音信号和现实环境中采集的混合语音信号的分离性能。在对人工合成的混合语音信号进行盲分离时,分别考察了这3种算法对瞬时混合信号、纯时延混合信号、卷积混合信号以及时域相关源混合信号的分离效果。在对现实环境下采集的混合语音信号进行盲分离时,则着重考察了说话者与麦克风之间的距离以及说话方式对盲分离效果的影响。通过实验仿真,得出了一些重要的结论和启示,这对于今后的进一步的深入研究具有一定的指导意义。