盲源分离是指在没有任何先验知识的前提下，从观测到的若干个源信号的混合信号中提取、分离出无法观测到的源信号。目前，解决盲源分离的主要方法是独立分量分析法。独立分量分析法的主要思路是求一个分离矩阵，使其分离后的信号统计独立。目前广泛应用于语音信号处理、图象识别、医学信号处理和通信等领域，有着广阔的应用前景，已成为盲信号处理、人工神经网络等研究领域的前沿研究课题。本文所做的主要工作：(1)分析了盲源分离的起源、目的意义和国内外研究动态，阐述了盲源分离的基本原理，列举了盲源分离技术在众多领域的应用情况，并讨论了三种常见的盲源分离数学模型，评判了其分离效果。(2)讨论了独立分量分析研究中的主要问题，介绍和推导了基于独立分量分析的盲源分离算法的几种典型代价函数和学习算法，并对信息理论框架下的几种代价函数作了统一。(3)分析研究了基于峭度的固定点盲源分离算法，针对该算法鲁棒性差、收敛速度慢的缺点，提出了一种基于负熵最大化的定点算法，计算机仿真表明，新算法收敛速度加快。(4)分析了定点盲源分离算法，使用偏差消除方法，以高斯矩为代价函数，提出了一种夹杂观测噪声的盲源分离新算法。通过计算机仿真证明了新算法的有效性。