实际环境中,由于环境噪声以及信道干扰的作用,传感器获得的往往是一路或若干路源信号的混合带噪信号,造成信号质量的恶化,使人们无法从中捕捉到所需要的信息。盲源分离技术可以在信号的混合过程和源信号的分布未知的情况下,将各路源信号很好地分离开来。盲源分离技术具有所需的先验知识少、易于硬件实现、应用需求广等优点,吸引了众多国内外学者参与研究。本文致力于研究噪声条件下,欠定盲源分离技术在几个特定领域中的问题建模和相应的解决方案。本文的主要研究工作可以概括为如下几个方面：(1)本文研究了一种基于矩阵变换和逐层分离的欠定盲源分离算法。本文从矩阵变换和逐层分离的思想出发,提出了利用列主元消去法来提取单源点、双源点等时频点,以及伪逆的思想分离余下的时频点。提出的方法,能很好地分离出各路源信号,提高了信号的质量,同时不需要对信号的稀疏性有过高的约束。(2)结合支持向量机良好的非线性分类特性,提出了一种解决非线性混合的二值信号分离方法。与利用源信号信息的半盲分离方法不同,提出方法利用含噪观测数据中受干扰较小的点来构建训练集,属于全盲欠定分离问题,因而不需要过多的源信号先验。采用构建好的训练集对支持向量机进行训练,并利用训练好的分类器对含噪的输入进行二值图像分离。提出方法的另一个优点是对环境噪声鲁棒,可以在较低的误码率下恢复出二值源图像。(3)利用信号估值的方法和子集调整的策略对非线性混合函数进行估计,以及逐层分离的思想对各层源信号进行分离,本文提出了一种基于最大后验估计的单观测二值图像分离方法。提出的方法不需要对信号的分布有过多的约束和假设,而是挖掘利用信号局部的自然先验信息。与其他性能优异的方法相比,本文提出的算法能取得更好的分离效果,可以很好地分离相关图像。同时还具有对环境噪声鲁棒,运算时间复杂度低等优点。通过大量的计算机仿真实验,对本文提出的方法进行了评价并与其他方法进行了对比。实验证明,在含噪情形下,本文提出的欠定盲源分离方法都取得了很好的性能。