作为物联网感知层的重要组成部分,无线传感器网络被广泛用于信号的检测、估计以及目标追踪等。在WSN实际应用场景中,感知环境中通常同时存在多个信号源,为了准确获取感兴趣的目标,去除其他混叠的干扰信号,就需要对节点采集的混合信号进行有效分离以便后续的处理和应用。而WSN一般由大量简单传感器节点随机部署自组织形成,通常对感知区域中存在的多个源信号的先验信息和其混合方式是未知的,也就是说,WSN对混合信号的分离过程是“盲”的,因此,无线传感器网络中的盲源分离问题是无线传感器网络信号处理领域的又一重要研究点。本文首先研究了无线传感器网络中信号源数目估计问题。针对无线传感器网络能量受限的特点,提出了一种基于分簇判断加决策级数据融合的无线传感器网络信号源数目估计方法,并且在LEACH分簇算法的基础上提出了一种新的基于节点剩余能量簇头选择算法。在本文的信号源数目估计方法中,首先对传感器网络分簇,各簇独立进行信号源数目估计,产生本地判决结果;然后在融合中心对各簇的判决结果进行融合得到对信号源数目的估计值。仿真结果表明本文提出的信号源数目估计方法和簇头选择算法能够在保证估计可靠性的前提下有效降低网络传输能耗,延长网络生存周期。然后本文研究无线传感网网络能耗和盲源分离性能的折中优化,提出了一种实现盲源分离的无线传感器网络节点优化选择方法。考虑节点的观测噪声和剩余能量两个因素,通过数值拟合确定节点平均观测噪声和盲源分离性能之间的关系,在此基础上将节点选择问题建模为基于节点剩余能量和盲源分离性能折中的组合优化问题,并采用基于凸优化的启发算法求解该问题以确定被选中的节点。仿真证明该方法能有效提高节点剩余能量,同时保证良好的信号分离性能。最后,本文研究了存在噪声和传输误码情况下的无线传感器网络盲源分离问题。首先研究了传输误码对盲源分离结果造成的影响,然后提出了一种基于聚类和距离的异常点检测方法,对于分离信号中由于传输误码引入的异常点进行检测和修正。实验证明,通过对分离信号进行后续处理,可以有效降低传输误码的影响,提高盲源分离最终的性能。