盲源信号分离(Blind Source Separation, BSS)是当前信号处理研究的热点之一,应用十分广泛。独立分量分析方法(ICA)是近年来发展起来的一种有效的盲信号分离技术,在许多领域扮演着重要角色。随着它不断的发展,许多独立分量分析算法(ICA)应用领域要求直接或间接地分离复值信号,进一步讲,实数ICA算法是复数ICA算法的一个特例,复数ICA具有重要的理论和应用价值,在语音信号、图像处理、天线阵列等许多领域都有广泛的应用。在近几年时间里,有关的理论和算法研究都得到了较快的发展,并且提出了许多的有效的算法。目前,复数ICA理论逐渐成熟,新算法不断涌现,已经成为国际上信号处理领域的一个研究热点。首先,介绍了复值ICA算法的基本理论、典型的ICA算法及其分离性能指标。其基本理论主要有信息论、复值ICA的数学模型、可解性分析及不确定性等。典型的ICA算法主要包括最大熵算法、JADE算法、随机梯度算法和自然梯度算法等。其次,重点研究了基于峭度的代价函数。在复值信号的盲分离算法中,经常采用信号的峭度最大化作为代价函数。针对这一问题,以复数标准峭度代替复数峭度,将复数信号的标准峭度最大化作为新的代价函数,并采用修正的复值拟牛顿迭代算法对代价函数进行优化。用该算法对混合QAM信号进行分离,仿真实验结果表明,改进后的算法具有很好的分离效果,相比于峭度最大化为代价函数的分离算法,收敛性能也有明显提高。最后,为了降低算法复杂度并提高算法鲁棒性,在算法中采用了“自下而上”的方法引入非线性函数。在第三章的基础上,通过引用非线性函数改进代价函数,进而推导出新的分离向量迭代公式。仿真实验证明了改进后的算法具有很好的分离效果；通过比较还可看出,改进后的算法具有更快的收敛速度,更高的收敛效率。