自从Hérault等人在盲源信号分离领域的开创性工作以来,在短短二十年左右的时间里,盲源信号分离的研究己经取得了丰硕成果,成为现代信号处理领域研究的热点问题。盲源信号分离技术在通信、语音处理、图像处理、地震勘探、生物医学、雷达及经济数据分析等领域具有广泛的应用价值。目前,盲源信号分离理论仍存在大量问题有待深入研究,盲分离算法的性能需要进一步提高。为此,本文在总结前人工作的基础上,研究了盲源信号分离理论,提出了一些新算法。我们根据信号混合过程的不同,通常把观测信号分为瞬时混合信号与卷积混合信号。根据盲分离算法所用统计信息的不同,盲分离算法又可以分为基于二阶统计量的算法、基于高阶统计量的算法和基于信息论准则的算法。此外,盲信号分离过程既可以在时域进行,又可以在频域进行。因此盲分离算法又有时域与频域算法之分。本文沿着以上这三条主线,对盲源信号分离理论与算法进行了研究。分析了瞬时混合信号与卷积混合信号的混合模型、分离模型,给出了一般分离模型的成立条件。二阶统计量算法利用信号的非平稳性,高阶统计量算法利用信号的非高斯性,信息论算法利用K-L散度,本文根据这些特点给出了一些盲信号基本的分离算法。总结了独立分量分析的各种经典算法,对各种经典算法进行了深入的研究。在卷积信号的分离算法研究中,用到了频域和时域算法,并对算法性能进行了对比。