盲信号分离与抽取技术是近些年来出现的一种新兴的信号处理方法,在多方面都有良好的应用前景。由于问题本身的新颖性、复杂性和实用性,吸引了越来越多的学者对其进行研究,提出了多种算法,如固定点算法、梯度法、遗传算法等。本文针对这些传统的盲分离和抽取算法存在的一些不足,作了以下一些工作：本文系统地分析、总结了国内处关于盲分离和抽取领域的主要发展历程、理论和研究成果,并重点对固定点算法、Informax算法、梯度法等经典算法进行了分析、比较和研究,发现了一些缺陷。梯度法需要引入线性函数,使算法性能受到信号特征的影响。固定点算法在没有足够多样本的情况下容易收敛到局部极值点,而遗传算法因过于复杂,在运算时间上有一定的劣势。本文分析了粒子群算法的原理和步骤,并将其引入到盲分离与盲抽取中,将粒子群算法与盲分离与盲抽取结合起来,为盲信号处理领域提供了一种新的研究方法和思路。并且以线性瞬时混合信号为例,实现了对一般信号、声音信号和图像信号以峰度为判别依据的盲分离和抽取。算法直接对以峰度为基础建立的适应度函数进行寻优,无需引入非线性函数,避免了信号特征对算法性能的影响。本算法与遗传算法、标准梯度法的仿真实例表明,粒子群算法比遗传算法有较优高的收敛速度,而比标准梯度法有较高的准确度,证明了本算法的有效性及优越性。