盲信号分离是信号处理领域和神经网络领域近年来研究的热点问题之一,有着广泛的应用前景,目前在语音识别、图像处理、医学分析都取得了成功应用.但是由于该技术的理论深度与难度较大,现阶段对它的研究还远未成熟,还有许多理论问题及研究方法、实现技术等有待人们去努力完成.该文就实时混叠盲分离存在的几个基本问题进行了研究,具体内容如下:(1)对盲信号分离的基本理论问题(如在什么条件下可以分离,在可分离的条件下,能分离多少源信号等)进行了探讨,给出了可从传感器所观测的混叠信号中分离出源信号的充要条件,并回答了源信号能够提取的数量问题.(2)提出了两种基于旋转变换的实时线性混叠信号同步盲分离算法.(3)提出了两种盲提取算法.一种是针对奇异混叠情形的盲提取算法,该算法基于罚函数理论,对源信号进行逐一提取,仿真结果表明该方法能够有效提取可以提取的信号;另一种是基于遗传算法的盲提取算法,该方法能够确保源信号按照四阶累计量的绝对值降序提取,解决了目前梯度算法容易陷入局部极值的茫然.(4)对自适应盲信号分离算法中的非线性函数进行了详细的讨论,导出了一个统一的带参数的非线性函数,并给出了非线性函数中参数的选取准则.(5)对两种盲分离算法在CDMA多用户检测中的应用问题加以了分析比较,并提出了一种新的基于盲分离思想的多用户检测算法,该算法有机地结合了上述两种算法的优点,使得多用户检测算法更接近于实际.