在复杂环境中,声信号传感器直接测得的信号为多种声音信号的混叠,有用的信号常常被淹没在混叠信号中而无法辨识,而声音信号中包含了丰富的声源信息。因此,对复杂环境下的混叠声信号进行分离有着重要的现实意义和实用价值。本文针对复杂混叠声音信号,进行盲源分离的方法和应用研究,主要研究内容归纳如下:(1)简述了盲源分离的研究意义、发展历史和研究现状,详细介绍了盲源分离的数学模型及原理,对目前有代表性的几种典型盲源分离方法进行了深入研究。(2)提出了一种基于负熵的双梯度盲分离算法。在深入研究基于峭度的双梯度盲源分离算法的基础上,提出一种基于负熵的双梯度盲分离算法,该算法以鲁棒性较强的负熵作为准则函数,从而避开了峭度对野值敏感的缺点。仿真结果表明算法分离精度和收敛速度都得到了有效提高。(3)针对真实环境下的声信号具有相关性的特点,从理论推导和仿真实验两个方面分析了典型算法应用于相关源盲分离时的不确定性;对相关性源的盲分离研究现状进行归纳;并应用小波包滤波子带分解盲分离方法解决相关性信号的盲源分离。通过仿真实验验证在源信号具有相关性的情况下,该方法能较好地提高盲源分离的性能。(4)飞机舱内的声音信号包含了丰富的声源信息,但舱内声音繁多而复杂,包括语音信号,非话语声信号,推进系统噪声以及空气动力噪声等,针对机舱内混叠声信号的特点,提出利用盲源分离方法进行混叠声信号分离的思想,并进行初步的实验验证。以实测的声音信号为实验数据,用程序实现算法并对各个算法在声音信号处理中的效果进行对比,选出适合声信号处理的一种算法。对舱内具有相关性的声源信号进行了盲源实验分离,验证了本文方法的可行性。