盲源分离问题一直以来都是数字信号处理领域的研究热点,而经过研究者们多年来的共同努力,已经有多种有效的算法被提出并且成功运用到图像处理、语音增强、医学信号处理等领域。盲源分离算法主要分为独立性判据和优化算法两个部分。传统的盲源分离算法在使用优化算法对由独立性判据构成目标函数进行优化时,分离的结果往往受初值和非线性函数的影响,导致算法的鲁棒性较差。为了解决上述的问题,研究者们将一些智能优化算法引入到盲源分离中,比如粒子群算法和鱼群算法等,通过优胜劣汰的方式对目标函数进行优化并且取得了不错的效果。萤火虫算法作为一种新兴的智能群优化算法,具有概念简单、流程简明以及较少的调整参数等特点,已经在诸多的领域取得了应用。因此可以尝试将萤火虫算法引入盲源分离问题中来。针对盲源分离算法和萤火虫算法的主要特征,本文的主要的工作有:(1)首先系统地介绍了盲源分离的理论基础,包括盲源分离的数学模型和假设条件以及对分离信号不确定性的分析。以传统的盲源分离方法作为重点,研究了几种常用的独立性判据和盲源分离算法,分析比较了它们的特点,最后还介绍了盲源分离的性能评价指标。(2)详细地介绍了萤火虫算法的相关理论,分析了萤火虫算法的自身特点,提出了一种基于标准萤火虫算法的盲源分离算法,并将此算法运用到语音信号的盲源分离中来,通过仿真实验对分离信号的相似系数和波形进行分析,并与两种典型的盲源分离算法进行比较,仿真结果表明该算法的分离性能优于两种经典算法。(3)针对标准萤火虫算法自身存在的易陷入局部极值和收敛速度慢的问题可能会影响盲源分离算法的性能,对标准萤火虫算法的改进方法进行了分析。重点讨论了一种基于分簇策略萤火虫算法,在此基础上又使用柯西变异策略和邻居策略对算法进一步改进,提出一种基于改进分簇策略萤火虫算法的盲源分离算法。通过实验仿真与基于标准萤火虫算法的盲源分离算法进行对比,语音信号的分离效果与算法的收敛速度均得到提高,证明了该算法的有效性。