盲信号分离是近十几年新兴起来的一个研究热点，由于其在无源声纳系统、雷达系统领域，生物信号处理，图像处理，语音信号处理领域等的广泛应用前景，引起越来越多相关科研工作者的兴趣。盲信号分离是在对信源的传输方式及信源没有任何先验知识、或知之甚少的前提下，仅由已知的来自传输系统的观测信号来估计出未知的信源。本文对两种盲源分离算法进行了研究。 ⑴介绍了盲信号分离的基本知识、发展历史、应用等。而且，简要地分析了盲信号分离的四种数学模型：瞬时混合模型、时延混合模型、卷积混合模型、非线性混合模型；对于瞬时混合模型，当估计出混合矩阵后，可利用标准线性规划（Matlab中linprog函数）来分离出信源，根据信号—干扰比（Signal—to—Interference—Ratios）来作为衡量盲源分离的评价准则。 ⑵分析了两种盲源分离算法：基于时频比的盲源分离（TIFROM）算法和基于信号稀疏表示的亚定盲源分离（UBSS）算法；这部分是全文的重点，采用由浅入深的方式详细地介绍了算法的实现原理、实现步骤；并在Matlab中实现UBSS算法的代码，继而对UBSS算法做了试验，发现对估计混合矩阵的效果很好，最大误差为0.0001。 ⑶对UBSS算法所存在的一些缺陷，做了两处改进：第1处是对UBSS算法步骤进行重新设计，使得在Matlab上设计出的代码简洁，执行效率比较高：执行时间将近减少了一半；而且最大误差小于0.0001；第2处是设计了一种新的算法来解决UBSS算法所未涉及的一种情形，并在Matlab上实现了代码编程，从试验的结果可知，最大误差仍就在0.0001以内。