近几年来,盲源分离与提取算法在信号处理领域受到越来越多的研究学者的青睐,在生物医学、无线通信技术、图像处理和语音信号处理等诸多科研领域得到了广泛的应用。传统的基于独立分量分析的方法只能解决接收阵元个数大于或等于源信号个数的超定或正定问题。考虑到实际应用中,接收设备的数量有限,源信号的数目未知,因而源信号个数大于接收阵元个数的欠定混合模型更为常见。大多数的欠定盲源分离算法主要用来解决线性瞬时混合问题,忽略了源信号到不同的接收阵元间的传播时延,为此本文研究一种更加接近信号真实混合过程的无回响混合模型。本文主要针对无回响混合模型下的欠定盲源分离与提取算法进行研究。首先,为了解决无回响混合模型下的欠定盲源分离问题,本文在时频单源邻域的假设条件下,提出了一种改进的基于单源区间检测的混合矩阵估计方法。首先,利用单源区间预提取算法过滤掉部分明显不属于单源区间范畴的时频窗,接着利用聚类算法对衰减参数进行估计。然后利用衰减参数估计值进一步对单源区间进行筛选和分组,得到与源信号相对应的单源区间组。最后通过聚类分析得到时延参数的估计值,从而得到混合矩阵的估计值,为源信号的恢复奠定了很好的基础。仿真结果表明本文算法在很大程度上提高了单源区间的判决准确性,并且在较高信噪比,源信号数目较多时仍能对混合矩阵进行准确的估计,并实现对源信号的恢复。接着,为了解决稀疏性较弱信号的无回响欠定混合问题,本文对源信号的稀疏性假设条件进行了放宽,研究了源信号在时频域中离散单源时频点的特征,提出了一种新的单源点判决准则来实现对混合矩阵的估计。首先,利用本文提出的单源点判决准则对经过魏格纳-维尔变换的时频点进行单源点检测,然后对通过检测的单源时频点进行聚类分析,得到混合参数的估计值,最终得到混合矩阵。再此基础上利用子空间投影算法得到分离信号。仿真实验结果表明本文算法可以在无回响欠定混合模型下实现源信号的恢复,并且同现有算法相比较,本文算法在混合矩阵估计方面拥有更高的估计精度和更强的噪声鲁棒性。最后,在无回响欠定混合模型中,针对感兴趣源信号的数目远小于源信号数目的盲信号提取问题,本文提出了一种新的基于空域约束的参考独立分量分析算法。利用感兴趣目标信号的到达角和到达距离等先验方位信息构造一个相似性度量函数,并将其与独立分量分析算法相结合得到一个新的优化模型,通过迭代优化得到最优的分离权值矢量,从而实现目标信号的提取。最后仿真实验实现了感兴趣目标的准确提取,即使在先验方位信息存在较大误差的情况下,仍能准确的对目标信号进行提取。