信号分离和重构近年来是信号处理领域的国际研究热点。混沌信号的盲分离和混沌信号的重构（有时表述为混沌通信系统的盲信道均衡）在混沌通信和其他领域都有潜在的应用价值。其他信号的分离和重构也广泛应用于通信系统干扰抑制、语音识别、图像恢复等方面。盲源分离的问题背景是一个传感器阵列中的多个传感器同时观测到多个源信号的混叠，对语音和图像信号的分离等研究很多而很少关注混沌信号的分离。已有的对信号重构问题的研究大多针对点对点的信号模型。传感器网络部署方便，价格低廉，有望应用于智能家居、交通预报、水下和化学放射等危险区域探测、战场监视等场合。它是新兴的面向应用的分布式计算平台，能完成信号检测和估计等任务。在这个新的平台里对盲源分离和信号重构问题的研究几乎还没有被涉及。这两个问题都属于分布式估计的范畴。同时，传感器网络中的资源约束和网络复杂性使得对信号处理问题的研究很有挑战性。本文综合考虑信号分离和重构的理论基础和传感器网络的应用背景，系统性地研究了传感器网络中的信号分离与重构问题，主要做了以下研究工作：　　 ·传感器网络中的信号分离　　 1．在两种带宽受限的传感器网络中实现了盲源提取。由于受到带宽限制，传感器的观测信号在传输前先进行量化。提出简单的盲源提取方案并导出了新的混叠模型。仿真结果证明传感器网络中的盲源提取可以获得和基准盲源提取情形接近的性能，后者观测信号没有量化。进一步研究了非均匀传感器网络中的盲源提取问题，利用传感器的观测信号的差异性，提出一种在能量约束下保证性能的选择传感器的方案。　　 2．在以上工作的基础上，采用三种传感器网络（有簇的传感器网络，带融合中心的传感器网络和级联的传感器网络）进一步分析传感器网络的拓扑结构对其中盲源提取的性能和能效的影响。比较了三种传感器网络执行盲源提取时的性能、能效和生命周期。考察了传感器故障和数据链接故障对盲源提取的性能的影响。　　 3．前面工作中只用到单簇的传感器网络，接下来在多簇传感器网络中考虑盲源提取问题。探讨了多簇传感器网络执行盲源提取时的性能和能耗之间的折中。定义有效能耗为传感器网络总的能耗和性能的比值。提出一种通过最小化有效能耗找到最优簇数的设计策略。理论证明并仿真验证了最优簇数的存在唯一性。分析了最优簇数和样本数、源信号数、观测信号数之间的关系。　　 4．前面用到的传感器网络都以单跳方式发送数据，进一步考虑多跳方式。探讨了多跳传感器网络执行盲源提取时的性能和生命周期之间的折中。传感器网络由多个独立的分支组成，每个分支上有多个传感器。仿真了性能和分支数、分支上的传感器数、信道的误比特率之间的关系。用优化问题描述性能和生命周期之间的折中并仿真验证，给出了优化问题的求解条件。　　 ·传感器网络中的信号重构　　 1．提出一种在带宽受限的传感器网络中重构混沌信号的方法。该方法同样可用于其他信号的重构。同时观测一个混沌信号的多个传感器量化观测信号并将量化数据发送到融合中心。融合中心组合量化数据并使用无先导卡尔曼滤波算法估计这个混沌信号。仿真结果证明这种方法可以获得和基准情形接近的性能，后者观测信号没有量化。比较了无先导卡尔曼滤波算法和最佳线性无偏估计器的性能。　　 2．进一步在能量约束下提出一种选择传感器的方案，即观测信号的信噪比高于某个阈值的传感器才发送数据到融合中心。定义一个代价函数关联信号重构的性能和能耗，简要分析并仿真了代价函数和阈值之间的关系。