盲源分离(Blind Source Separation, BSS)是指在对信号源和传输信道未知的情况下,只凭传感器阵列得到的观测信号恢复源信号的过程。由于盲源分离无需知道源信号的先验信息,从而在信号处理领域得到广泛的应用。本文主要对卷积混合模型盲分离进行了研究,主要工作如下:首先介绍了盲源分离的研究背景及意义,阐述了盲源分离的研究现状和一些重要的应用领域。然后对卷积模型进行分析与研究,特别介绍了卷积混合模型的复域瞬时分离算法:特征矩阵的联合近似对角化法(JADE);介绍了频谱相似性、短时分析技术;并通过遗传算法优化排序模糊性问题以及最速下降法来优化幅值不一致问题。最后通过实验仿真的手段对语音信号卷积混合模型问题进行了研究和探讨。将JADE法用于实验仿真中,考察它们对人工合成的各种混合语音信号和现实环境中采集的混合语音信号的分离性能。着重考察了说话者与麦克风之间的距离对盲分离效果的影响。通过实验仿真,得出了一些重要的结论和启示,这对于今后的进一步的深入研究具有一定的指导意义。