独立分量分析(Independent Component Analysis，简称ICA)是近二十年来逐渐发展起来的一种盲信号分离方法。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源信号之间尽可能独立。它在语音识别、电信和医学信号处理等信号处理方面有着广泛的应用，目前已成为盲信号处理，人工神经网络等研究领域中的一个研究热点。 本文简要的阐述了ICA的发展、应用和现状，详细地论述了ICA的原理及实现过程，系统地介绍了目前几种主要ICA算法以及它们之间的内在联系，在此基础上重点分析了一种快速ICA实现算法—FastICA。 本文第四章利用独立分量分析的思想和方法，提出了利用FastICA算法解决双向自动工频通信系统(TWACS)中并行传输信号在强噪声情况下容易相互干扰的问题的方案，并设计了仿真实验，验证了该方案的有效性。为解决TWACS在我国电网中实现时受干扰大的问题提供一个新的有效的方法。 本文第五章介绍了以扩频技术为基础的CDMA通信系统的基本原理，简要阐述了多址干扰和远近效应对CDMA通信系统的影响，分析了利用FastICA算法作为多用户检测器线性变换部分的分离算法的可行性，并通过仿真实验证明了该方案的有效性。 在本文的最后对全文做出了总结，并对ICA的进一步研究方向进行了展望。