在信号处理领域中,我们感兴趣的信号中往往夹杂着干扰信号。在知道源信号信息和传输信道的情况下,我们可以对信号进行处理,滤除干扰信号,得到有用信号。然而,在很多情况下源信号和传输信道的一些信息是无法得知的,传统的信号处理技术无法恢复出源信号。盲源分离问题的提出很好地解决了这一难题。本文在介绍了盲源分离的基础理论的基础上,对自然梯度算法进行了详细的介绍。自然梯度算法有收敛速度和稳定误差两个重要指标,然而这两个指标存在内在的矛盾。为了解决自然梯度算法的这个缺点,人们提出了变步长自然梯度算法,既可以获得较快的收敛速度,又可以减小稳定误差。然而,变步长自然梯度算法性能仍然不够理想。本论文在传统的变步长自然梯度算法的基础上研究了一种改进的变步长自然梯度算法,大大加快了算法的收敛速度,具有比变步长自然梯度算法更理想的实验结果。为了克服自然梯度算法分离速度慢和抗噪声性能差的缺点,本文介绍了非正交联合对角化算法,并在三角参数算法的基础上,研究了一种改进的非正交联合对角化算法。改进后的算法比其它非正交联合对角化算法具有更好的抗噪声性能,能够在低信噪比背景下(5dB)实现通信信号的分离任务。