盲信号分离也称为盲源分离[1](BSS,Blind Signal/Source Separation)，其主要目标是在几乎不知道混合矩阵以及源信号的任何先验知识的情况下，仅从观测到的混合信号中估计混合系统并分离出未知源信号的一种信号处理方法。盲信号分离按混合方式可以分为线性瞬时混合、卷积混合、非线性混合的盲信号分离。按照源信号和观测信号的数量关系，又分为超定、正定和欠定盲分离。非线性及欠定情况相对比较复杂。卷积混合考虑到多径及时间延迟更接近实际通信系统，是盲信号分离研究的重点内容之一。跳频通信以其良好的抗干扰、低截获以及组网能力广泛应用于军用及民用通信系统中。而在跳频通信体制下，针对跳频信号的盲分离以及参数的盲估计研究也必将是未来研究的热点之一。本文基于上述背景，利用时频分析方法，针对卷积混合盲信号分离提出了基于三阶累积量的语音频域排序算法。在跳频通信体制下，提出了一种基于时频分析的盲分离以及参数估计方法。本文一共分为六章，其中第三章到第五章为本文的重点，具体安排如下：第一章是绪论，主要介绍了卷积混合盲信号分离的研究背景和意义，另外介绍了跳频通信的发展历史、应用以及通信对抗中对跳频信号分离的重要性。第二章是基本理论，简单阐述了独立分量分析的基本理论以及时频分析的基本理论。第三章针对语音信号的卷积混合盲分离，利用短时傅立叶变换将时域的卷积变换到频域上的乘积，从而在每个子频段上进行复数的线性瞬时盲信号分离。相比传统的时域算法，大大降低了运算量，但这会导致分离结果出现次序和幅度上的不确定性。本章在此基础上提出了一种基于三阶累积量的频域排序算法，在每个子频段上计算信号的三阶累积量，比较其相关性来解决排序问题，仿真实验证明了该算法的可行性。第四章针对跳频通信体制，由于现有的盲信号分离算法主要是针对传统的语音信号，而针对跳频通信信号的研究甚少。第四章结合跳频信号在时频域上稀疏性，提出针对跳频信号的盲信号分离算法。与传统的联合对角化算法相比，新算法对跳频信号的分离性能更好。第五章针对单个跳频信号，对现有的基于平滑Winger-Ville分布的跳频信号参数估计做进一步的改进。新算法在大致估计出跳周期及跳变时刻后，结合跳频信号时频域的特点，改变平滑Winger-Ville分布的窗长。通过仿真实验证明了新算法有更好的估计性能，但在复杂度上有所提高。第六章为全文的总结及下一步的研究方向。