在有限空间的建筑物内,多人所产生的混合语音信号不仅包含了所需的一路纯净语音源信号,还受到背景噪声和混响的干扰,致使语音源信号质量退化,可懂度和清晰度下降,人耳不易辨识,因此有必要研究带噪混合语音信号中期望的纯净语音源信号提取问题,然而研究通常偏向于算法研究,缺乏对算法移植的研究,特别是在双核DSP(Digital Signal Processor,数字信号处理器)上的算法移植研究。本文研究带噪混合语音信号的盲源分离算法,并基于OMAP-L138双核DSP研究算法移植。本文研究工作的主要内容有:(1)对带噪混合语音信号盲源分离过程中的预处理降噪、盲源分离、后处理去混响三个阶段的算法分别进行研究。在带噪混合语音信号盲源分离之前,必须先提高信噪比,同时尽可能减小降噪过程中的语音失真,以保证盲源分离的精确性,为此本文采用基于连续噪声功率谱估计的改进功率谱减法降噪,通过仿真比较验证了其适用于盲源分离的预降噪。对降噪混合信号盲源分离时,为解决基本自然梯度算法白化运算复杂,容易带来误差,并且迭代选用固定步长难以满足收敛变快、稳态误差变小的问题,本文提出不需要白化且步长能自适应的改进自然梯度算法,仿真验证了其性能较基本自然梯度算法有改善。盲源分离得到的语音源信号中残留成分以混响为主,为充分抑制残留成分,本文提出引导频谱滤波和维纳滤波相结合的算法,通过仿真比较验证了其具有较好的残留成分抑制能力,语音源信号较纯净。(2)在OMAP-L138开发板上移植并优化算法。搭建带噪混合语音信号处理硬件平台和软件环境,算法移植过程由开发、编译、调试、固化四个阶段构成。开发阶段ARM(Advanced RISC Machine,高级精简指令集机器)用于控制DSP的运行和开发人机界面,DSP用于算法的运算,ARM与DSP交互命令和数据;编译阶段构建系统工程目录,通过Makefile文件对系统工程编译;调试阶段在ARM端和DSP端分别使用GDB(GNU Debugger,调试器)和CCS(Code Composer Studio,代码调试器)集成开发环境对系统工程动态调试,固化阶段根据系统工程的执行方法编写启动脚本文件并设置为Linux的启动项。通过运行固化好的系统工程得到处理结果,最后通过移植与仿真的对比对结果进行分析,表明移植算法的处理结果良好,移植算法的整体时间复杂度合理。