盲信号处理(BSP)是目前信号处理中最热门的新兴技术之一，它具有稳定的理论基础和许多方面的应用潜力。事实上，BSP已成为重要的研究课题，并在许多领域得到发展，尤其是在雷达、声呐、遥感、通信系统、噪声控制、医学成像、图像处理等领域。作为盲信号处理中的一部分，盲源分离或盲信号分离(BSS)也正成为信号和图像处理等领域的一个强有力的工具。BSS的目标是在没有任何或很少关于源信号和混合先验知识的前提下，从一组混合(观测)信号中恢复原始的信号。在本文中，首先研究和讨论了在线性瞬态混合BBS和卷积混合BSS中应用的各种方法，并通过采取不同技术的仿真和比较，阐述了在解决BSS问题中所采用的主要理论和方法，分析了各种算法的特点，通过采用固定性算法(FastICA)和联合近似对角化法(JADE)进行了盲源分离的仿真，验证了算法的有效性。同时，也研究了各种混合模型下的语音分离的主要算法和问题。 基于非线性函数和步长因子对算法的性能有着很大的影响，如收敛速度、均方误差、系统的稳定性等，通过对自然梯度算法的研究，提出了一种新的变步长方法(VS-NGA)，极大地提高了系统的收敛速度。为了降低算法的计算复杂性，将符号函数引进EASI算法中，产生了新的S-EASI算法。同时又派生出其余两种改进的算法：符号自然梯度算法(S-NGA)和变步长符号自然梯度算法(VS-S-NGA)，并经证明在简化复杂性和提高收敛速度上，改进的算法是成功的。在有关BSS的文献中，混合矩阵一直被假设为是固定的，而在实际应用过程中，随时间变化的BSS更具现实意义，本文首次在仿真中使用了一个随时间变化的混合矩阵，并获得了一个满意的仿真结果。 对水下混合信号的盲源分离问题进行了建模，将瞬态BSS和卷积BSS模型应用到实际采集到的水下混合信号的分离中。混合信号如何去噪，一直是很难解决的问题，本文在处理过程中提出将噪声当作是源信号中的组成部分，并在实验中验证了方法的可行性。