近十几年来，盲信号分离(BSS：Blind Source Separation)一直是神经网络领域和信号处理领域的研究热点。众多的学者投入到盲分离的研究中，为盲分离理论构建了坚实的理论基础。所谓“盲”是指信号的分离不需要已知信号的信息或者只需要已知少量的信息，同时也不需要知道信号混合的信息。由于盲分离的条件限制很少，因此它在通信、生物信号处理、语音信号处理、图象处理等领域都有着广阔的应用前景。 本文的工作围绕通信信号的盲分离展开，主要研究了正定条件下的通信信号盲分离。在详细阐述通信信号特点的基础上，对通信信号的盲分离算法进行了深入的分析和研究。本文的主要工作如下： 1.讨论了通信信号的复随机模型，详细分析了通信信号的两个主要的特性：非圆性和循环平稳性。 2.根据通信信号非圆性的不同，对通信信号模型进行了分类，并研究对比了JADE，SUT，CMN算法在各种非圆性条件下的性能。 3.分析了通信信号的循环平稳性对现有的基于二阶和四阶累积量的盲分离算法的影响。 4.提出了一种适合于跳频信号盲分离的自适应方法，并且针对不同频点上分离信号中出现的次序模糊问题，给出了一种跳频时刻估计算法和信号拼接的算法。