盲信号分离是信号处理的一种前沿基础技术，它要解决仅仅依靠观测输出信号去重现源信号的问题。多输入多输出系统的盲信号分离，是指在对源信号和信道没有任何先验知识的情况下，从观测到的几个信号中来恢复出多个未知的源信号。盲信号分离问题被广泛应用于很多领域，如语音信号处理、无线通信、生物医学、图象处理等等。 目前盲分离技术研究主要集中瞬时混合，但卷积混合情形更适合实际情况。本论文主要对卷积混合语音信号盲分离的问题进行了较为深入的研究，提出了一些新的观点和算法。本论文的主要贡献和创新点包括以下几个部分：1、对盲分离的基本理论进行了分析，讨论了其基本假设条件。对瞬时混合盲信号分离系统进行建模，分析了分离原理和技术，通过仿真实验进行性能比较。2、建立卷积混合盲信号分离系统的时域和频域数学模型，分析了卷积混合盲分离的假定条件。分别对时域盲反卷积算法和频域盲反卷积算法研究，并把已有的瞬时混合的盲分离算法扩展到卷积混合模型当中，进行了仿真比较。把随机梯度算法扩展到复频域，提出一种改进的频域复随机梯度盲反卷积算法。同时针对移动终端的研究目的，提出了一种新型的移动终端模型概念，并建立简要数学模型。3、详细分析比较了时域盲反卷积算法和频域盲反卷积算法的各自优缺点，基于频域复随机梯度盲反卷积算法，提出了一种分步的时域频域相结合盲分离自适应算法。最后以NI公司的设备为主搭建实验采集平台，通过真实环境语音采集分离实验，以验证该算法的效果，结果令人满意。