盲信号分离是指在信号源和传输信道完全或部分未知的情况下，只利用传感器阵或天线阵的观测来分离、提取源信号的信号处理理论。近年来，它已成为信号处理领域的一个研究热点。盲分离技术在无线通信、雷达、声纳、语音信号处理、医学信号处理、图像增强等方面有着广泛的应用。 混合语音信号的分离是盲分离的重要内容，也是信号处理领域中的一个难题。它在回波对消和电视会议领域有重要应用。本文正是以盲分离技术在语音分离中的实际应用为目标而进行研究的。 本文以矩阵理论和随机过程为理论基础，研究了语音盲源分离的多种算法，通过大量的实验，分析它们的分离特性，得出了一些在实际应用中有用的结果。综合起来，本文所做的主要工作有： 1.较详细地介绍了盲信号处理的基本概念，盲源分离的数学模型；同时介绍了盲源分离的基本理论，其中包括盲源分离的基本假设，盲源分离的可分性，信息论的相关理论和信号的预处理等问题；较系统地介绍语音信号盲分离的独立性判据：互信息极小化判据、负熵最大化判据和极大似然判据等；还介绍了分离效果评价准则，包括相似系数、性能指数以及SNR、SAR和SDR参数等。这为算法的介绍、实现与分析奠定了基础； 2.深入研究了5种语音信号盲分离的批处理方法：极大峰度算法（Maxkurt）、四阶盲辨识算法（FOBI）、扩展联合对角化算法（JADE）、基于实信号的ICA分离算法（SHIBBS）和多个未知信号抽取算法（AMUSE）。通过实验说明这些算法具有较好的分离效果，而JADE算法和SHIBBS算法更具发展潜力。 3.将自适应算法应用于语音信号的盲分离，形成了自然梯度算法、基于最大信噪比的盲源分离算法、基于峭度的BSS开关算法。实验表明，自适应算法具有更好的分离效果。 4.通过综合实验，从分离前后的信号波形、频谱图形和各种评价参数出发，对各种分离算法进行比较。特别将自适应算法和批处理算法进行比较，表明自适应算法比批处理算法具有更好的分离效果，更具发展潜力。