盲源分离(Blind Source Sepration，BSS)起源于著名的鸡尾酒会(Cocktail-Party)问题，是指在未知系统的传递函数、源信号的混合系数及其概率分布的情况下，从混合信号中分离出独立的源信号的过程。独立分量分析(Independent Component Analysis，ICA)作为一种有效的盲源分离方法，是近二十年来逐渐发展起来的，它是一种统计方法，其目的是从由传感器收集到的混合信号中分离出相互独立的源信号，使得这些分离出来的信号之间尽可能地相互独立。ICA在语音处理、移动通信、图像处理和生物医学信号处理等领域有着广泛的应用，目前已成为盲信号处理、人工神经网络等领域中的一个研究热点，已经出现了各种日益成熟的算法。数字信号处理器(Digital Signal Processor，DSP)作为一种微处理器，具有非常适合于数字信号处理，特别是实时处理的一些独特结构和特点，具有极高运行速度和灵活的可编程特性，DSP的出现和发展为这些盲分离算法从实验室仿真走向实际应用提供了一个理想的硬件平台。因此，盲信号分离算法的硬件实现问题受到了越来越广泛的关注，是一个值得研究的有价值的课题。本文的主要工作如下：(1)在介绍盲源分离和独立分量分析基本理论的基础上，重点研究了FastICA算法，并用两路语音信号来对该算法的分离效果进行了Matlab仿真，仿真结果表明该算法在满足一定条件下对语音信号盲分离具有可行性。(2)研究了DSP的硬件结构特点，设计了一个实时语音盲信号处理的硬件平台。该方案是以TI公司的TMS320C5402DSP为核心的一个语音处理硬件平台，对电源时钟模块、存储器扩展模块、语音数据采集和传输模块的设计进行了深入研究，对于系统的Boot模式也进行了阐述。(3)研究了TI的DSP集成开发环境CCS和TI所倡导的eXpressDSP软件架构，在对TI的嵌入式操作系统内核DSP／BIOS中的线程及其调度、数据通信等关键技术深入研究的基础上，构建了基于DSP／BIOS的嵌入式实时语音盲信号分离系统软件平台，在该平台的基础上，具体的语音盲分离算法只需作为一个线程插入即可。利用DSP的信号处理库，用C语言编写了FastICA算法程序，在CCS上对算法进行了仿真，取得预期的效果。