盲信号处理作为近年来国际信号处理领域的一个重要的突破性课题,其研究覆盖包括神经网络、自适应理论和人工智能算法等前沿的知识领域,在国际智能信号处理IEEE Trans. On Signal Processing以及Signal Processing的信号处理权威刊物中相关的大量理论研究性论文,也印证了盲信号处理已经得到了国际智能信号处理权威的认可和重视。就盲信号处理的核心概念而言,其区别于传统信号处理模式,最大限度的基于接收端恢复原始信号并提取相关信息的核心思想,可同时兼顾于有效的利用频带宽度和依据信号相关程度提高信号处理的灵活性。因此,在生物医学信号、自适应雷达信号、4G、5G无线通信上拥有良好的的应用前景。但是由于信号处理方法的特殊方式,其算法的复杂程度较高,接收端必须承担大量的计算负荷,其结果导致了应用盲处理模式的理论性与实际性能存在差异,影响了信号处理的实际效果。本文分析了盲信号处理中基础的盲源分离(Blind Source Separation, BSS)和独立分量分析(Independent Component Analysis; ICA)两种算法模式,提出了应用MATLAB软件包矩阵运算速率较高的特点和基于C/C++硬件语言的硬件适用性强的优势,通过适度的算法分析与改进,在不引入遗传学算法的前提下,利用MATLAB软件与C/C++语言的混合编程模式对算法进行深入的探究,以求在提高信号接收端提高信号传输处理效率的同时,提高盲处理在实际应用中的适用性和应用性。本文依据不同算法的比较与实现,针对不同算法的区别实现仿真模拟,进行算法复杂程度和模拟硬件程序的适应度的最优化折中,根植于混合编程模式的应用方法,解决盲信号处理过程中存在的实际问题。