盲源分离是指在对源信号及传输过程没有任何先验知识的条件下,对接收到的信号进行处理,分离出源信号的过程。盲源分离作为数字信号处理领域一项新的技术,具有非常重要的理论意义和实用价值,在语音信号处理、无线通讯、噪声消除、生物医学信号处理、地震信号处理以及图像处理等方面得到了广泛的应用。在对群智能优化算法和盲信号分离技术理论和算法研究的基础上,针对线性混合盲信号分离进行深入研究,所作的主要工作如下:(1)概述了盲源分离的起源和国内外研究的进展情况,阐述了盲源分离的基本原理,对现有的算法进行了简单的研究总结,分析了盲源分离问题的基本假设条件和盲源分离算法性能的典型评判指标。(2)针对基本粒子群盲源分离算法易于陷入局部最优解的问题,提出了一种自适应粒子群盲源分离算法。并采用信号的负熵的绝对值作为分离的目标函数,使用改进的粒子群优化算法对目标函数进行优化求解,从而实现从混合信号中将源信号分离出来。通过对源信号为亚高斯信号以及超高斯和亚高斯信号同时存在的情况进行分离的仿真实验,并通过相似系数和信噪比两种性能评价准则与基本粒子群盲源分离算法进行比较,验证了算法的有效性。(3)为了改善基本帝国竞争盲源分离算法易于陷入局部最优解的缺点,提出了一种基于混沌理论的帝国竞争盲源分离算法。并采用信号的互信息作为目标函数,使用基于混沌理论的帝国竞争算法对目标函数进行优化求解,从而实现对混合信号的分离。通过仿真实验验证了算法的有效性,并通过相关系数和信噪比两种性能评价指标与基本帝国竞争盲源分离算法进行比较,体现了改进算法在全局收敛性和稳定性的优势。