本文研究盲源分离问题。所谓的盲源分离(BSS)就是在源信号不能被观测和源信号如何混合未知的情况下，仅由可观测的混合信号和源信号的统计独立性假设提取源信号。盲源分离的唯一假设条件是源信号相互统计独立，使得源信号分离成为应用非常广泛的信号处理方法。尤其当很难或根本无法建立从信源到传感器之间的传输信道模型时，盲源分离就成为唯一可行的信号处理方法。　　 首先详细介绍了盲源分离问题及其发展和应用，从数学模型角度介绍并讨论了盲源分离问题各种方法和已有算法。着重介绍讨论了非线性PCA准则和基于非线性PCA准则的已有RLS算法，分析了白化约束下非线性PCA算法和没有预白化非线性PCA算法各自优缺点。　　 基于一种不需要预白化的带约束非线性PCA准侧，推导出该准则相对梯度满足约束的充要条件，通过投影得到了满足约束的相对梯度，结合基于该准则的自适应盲源分离算法，用Matlab软件对该算法进行了仿真。该算法直接处理观测数据，省去了预白化步骤，因此比现有的非线性PCA算法性能更好，仿真实验证实了新算法的有效性。