盲源分离是指在混合系统和源信号等先验信息未知的情况下,仅利用观测信号恢复出各个源信号。盲源分离技术可以广泛地应用在图像处理、语音信号处理和生物医学信号处理等领域,是信号与信息处理方面的一个研究热点。近年来,随着深度学习的发展,深度学习已广泛应用于图像和语音信号处理领域中。本论文利用深度学习方法,主要研究了基于深度聚类算法的欠定盲源分离问题,即源信号的个数大于观测信号的个数。论文主要工作如下:1.利用深度自动编码器,在时频域将语音混合信号从低维空间映射到高维空间,得到混合信号的高维嵌入向量。采用最近邻聚类算法估计出嵌入向量的聚类中心及其势,利用势的相对大小估计出源信号的个数,利用源信号分配的算法估计出源信号。2.利用深度自动编码器,提出了一种深度最近邻聚类算法实现欠定条件下的语音混合信号的盲分离。该算法采用最近邻聚类算法估计出编码器输出的高维嵌入向量的聚类中心向量,将这些聚类中心向量作为解码器的输入来训练深度自动编码器网络,得到嵌入向量的聚类中心及其势。利用聚类中心势的相对大小估计出源信号的个数。最后,通过硬分配或概率分配的算法来重构源信号。