盲源分离(Blind source separation,BSS)是指在混合系统未知的情形下,仅从混合信号中估计混合系统参数并进一步恢复源信号的问题。盲分离方法主要分为两类:基于统计量的方法和基于稀疏表示的方法,这两类方法在同时具有高精度、高效率以及节约样本等方面,都存在改进之处。为解决上述问题,本文提出基于谐波提取的相位一致性准则,并将该准则作为单源成分判别准则,与频谱校正、模式筛选、改进的K-均值算法、基于数据密度峰的聚类算法和子空间投影法等现有方法有机结合,构造出一种新型的基于稀疏表示的盲源分离方法,可以在源信号成分存在部分重合的情况下,改善现有方法混合系统参数的估计性能和信号恢复性能。具体说来,本文主要做了三方面工作:第一,提出了一个基于谐波提取的通用基本谐波信号盲源分离模型。该模型还结合了单源模式筛选、改进K-均值聚类法及子空间投影法等技术,不仅仅可以解决基本谐波信号的BSS问题,还对近似谐波或者含有谐波成分的信号的BSS问题有指导作用。第二,将上述基本谐波BSS模型应用于近似谐波的旋转机械信号在短样本情形下的BSS问题中,并将谱校正技术用于谐波参数估计问题,解决了样本数目匮乏所带来的严重谱泄漏问题。第三,将基本谐波模型应用于非平稳的欠定语音信号BSS问题中。同时,引入了时频分析与谱校正技术提取谐波成分,并精确估计谐波参数;将原有改进的K-均值算法修正为基于数据密度峰的聚类法。其中,相位一致性准则对于解决频率混叠严重的现象有着至关重要的作用。总体说来,本文创新点主要有:1)提出了利用谐波参数估计混合矩阵的方法,并将谱校正引入BSS问题中以提取谐波参数;2)提出了相位一致性准则作为单源成分的判别准则。本文方法在与谐波相关的多种信号的BSS问题中有潜在应用价值。