盲信号分离(Blind Source Separation,BSS)技术是近年来信号处理领域的一个研究热点,由于其能够在源信号及混合模型未知的情况下,仅从观测的混合信号中恢复出原始信号。因此在无线通信、雷达、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。混合语音信号的盲分离是该技术的研究初衷,也是信号处理领域中的一个难题。本文通过实验的方式,研究了瞬时混合语音信号盲分离的问题。本文的主要工作如下:首先对盲信号分离的研究现状和发展水平进行回顾论述,给出了盲分离问题的数学描述,包括盲分离问题的数学模型、盲分离问题可解的基本假设条件以及不确定性等。详细介绍了本文中要使用的四种盲分离算法:基于信息最大化法(Infomax)、快速定点迭代法(FastICA)、联合近似对角化法(JADE)、非负矩阵分解法(NMF)。然后介绍了本文所设计的实时混合语音信号采集系统。该系统的硬件部分主要由USB-1208FS数据采集卡,麦克风,供电电源等设备组成;软件部分主要由LabVIEW语言编写的数据采集程序来实现。最后使用前文所介绍的四种分离算法,对采集到的混合语音信号进行分离,通过对比实验,研究了源信号的频率相关性、说话人的讲话方式、源测点的分布对分离效果的影响;给出了各种算法的分离性能评价。实验结果证明FastICA较其他算法对语音信号的分离效果更好;各种基于ICA的算法对相关性较小、源信号间距较大的语音信号有着较好的分离效果。本文所做的工作对实际工程中的语音盲分离研究具有一定的参考意义。