盲源分离是指在没有任何先验知识的条件下,从传感器观测到的信号中恢复或者提取相互独立的未知源信号的方法。盲源分离作为数字信号处理领域中一个新的分支,具有重要的理论意义和实用价值,目前已广泛应用于无线通讯、生物医学信号处理、地质勘查、语音识别、图像信号处理等等非常多的领域,是信号处理学界和神经网络学界共同研究的热点课题之一。传统的盲源分离算法为了简化模型一般都假设接收信号为平稳信号,但是自然界中的多数信号却具有循环平稳特性。本文对循环平稳信号进行盲源分离处理,能够对源信号进行有效分离,且使算法的运算量大大减小。本文所做的主要工作有：(1)介绍了盲源分离算法和循环平稳理论的起源、基本原理、国内外研究动态以及经典算法,并分析了各算法的优缺点。(2)为了提高盲源分离算法的分离效果,根据循环平稳理论,推导了二阶循环平稳度准则,提出了基于二阶循环平稳度准则的盲源分离算法,当循环平稳部分是已调信号而平稳部分是复杂噪声时,只需对一路分离信号进行处理即可提取信号,达到抑制噪声的目的,比一般的盲源分离算法简单,而且结果更理想。仿真结果均表明新算法在收敛速度和分离效果方面有一定改进。(3)为了克服基于循环平稳度准则的盲源分离算法不能同时分离多路循环平稳信号的缺点,本文将循环平稳度准则和联合近似对角化算法结合起来,本算法可以分离循环频率相同的多路源信号,该算法的这一性能突破了传统基于循环平稳理论的盲源分离算法只能通过循环频率的不同来分离源信号的限制。本算法适用于有噪情况下的JADE算法,克服了传统JADE算法的只能在无噪情况下进行的局限。仿真结果表明该算法有更大的容错能力,能够有效抑制噪声,具有较好的分离效果。