盲源分离(blind source separation，BSS)是指在对源信号及传输过程没有任何先验知识的条件下，对接收到的信号进行处理，分离出源信号的过程。盲源分离作为数字信号处理领域一项新的技术，具有非常重要的理论意义和实用价值，在语音信号处理、无线通讯、噪声消除、生物医学信号处理、地震信号处理以及图像处理等方面得到了广泛的应用。目前的盲源分离存在一些问题，本文把粒子群算法(particle swarm optimization，PSO)及其改进形式引入到盲源分离中，主要做了以下几方面的工作：(1)概述了盲源分离的起源和国内外研究的进展情况，阐述了盲源分离的基本原理，对现有的算法进行了简单的研究总结，分析了盲源分离问题的基本假设条件和盲源分离算法性能的典型评判指标。初步分析了基本粒子群算法的基本特点。(2)针对基于粒子群算法的盲源分离存在收敛速度慢的问题，把基于模拟退火思想的粒子群算法引入到盲源分离中。在比较测试了基本粒子群算法和几种改进算法的之后，选择了其中收敛速度最快的模拟退火粒子群算法作为优化方法。随后把这种算法引入到盲源分离中，设计了算法的基本步骤，并据此作了相应的仿真实验，验证了本文算法的有效性。(3)针对基于粒子群算法的盲源分离存在易于陷入局部最优值的问题，把带有梯度加速的粒子群算法引入到盲源分离中。设计了算法的基本步骤，并据此作了相应的仿真实验。仿真实验说明，将带有梯度加速的粒子群算法引进盲源分离中，梯度信息的加入使粒子的移动更有针对性，移动更有效率，不仅进一步提高PSO算法的收敛速度，而且使改进的粒子群算法在全局收敛性、稳定性等方面更有效。从而提高了算法的准确性和有效性。(4)在总结卷积混合的盲源分离算法及其应用之后，将改进型粒子群算法应用到卷积混合的盲源分离中，给出了基于模拟退火思想的粒子群算法和基于带有梯度加速的粒子群算法的盲源分离的仿真实验，并对仿真结果作了分析。