盲源分离(Blind Source Separation：BSS)技术是现代信号处理领域中一个崭新的研究方向。盲源分离是指在信号源和传输信道完全或部分未知情况下，只利用传感器阵或天线阵的观测来分离、提取源信号的信号处理理论。近年来，它已成为信号处理领域的一个研究热点。盲源分离在无线通信、阵列信号处理、语音信号分离、图像处理、生物医学、地震勘探、雷达和声纳、噪声消除等领域有着广泛的应用。混合语音信号的分离是盲源分离的重要内容，也是信号处理领域中的一个难题。 本文详细研究了盲源分离的基础理论，重点研究了各种混合模型下的语音信号分离算法。研究了瞬时混合信号的盲源分离方法。主要介绍了三种常用的算法--基于信息最大化的神经网络算法(Informax)、联合近似对角化算法(JADE)、基于固定点迭代的快速神经算法(FastICA)，目前己广泛应用于语音信号处理、图像处理、多用户通信、阵列信号处理及医学信号处理等许多领域。研究了卷积混合信号的盲源分离方法。卷积混合盲分离的算法可以分为两类：第一类是在时域中的分离算法，另一类是在频域中的分离算法。 目前，对实录语音信号的盲分离、去噪和多通道盲分离等处理仍存在着许多问题和困难值得探讨，这些问题的解决势必会给声信号的检测带来重大的实用价值。本文着重研究ICA在语音信号瞬时线性盲分离、卷积盲分离、背景音乐下信号的多通道盲分离中的应用。 本文通过语音分离实验，采用自然环境下的语音信号，将盲分离算法应用于真实环境下混合语音信号盲分离中，进行了计算机仿真，给出仿真实验的结果。验证了本文算法的有效性。对算法性能作评价分析，并比较了各种算法分离效果的优劣。