语音信号作为信息最普通最直接的表达形式,是日常生活中非常重要的一部分。然而从外界直接获取的语音信号大多是不同语音信号的混合,从中无法直接获得有效的信息。因此,迫切的需要一种技术把混合语音信号进行分离并自主的选择自己感兴趣的声音,盲源分离(Blind Source Separation,BSS)算法也正是在这种环境中应运而生。盲源分离算法最初是为解决鸡尾酒会问题而提出的。随着学者的不断研究,该算法在语音信号处理,音视频会议等方面已经得到广泛应用。本文主要关注盲源分离算法在双耳助听系统中的应用,由于该算法的计算复杂度非常高,这与助听系统低延迟和低功耗的需求相矛盾。因此,要想将BSS应用到助听系统中,最首要的问题是要降低算法的计算复杂度。针对此问题本文主要提出了两种降低计算复杂度同时保持分离性能的快速盲源分离算法,主要工作可以分为如下几个部分:1、提出了使用DOA估计分离矩阵初始值的快速BSS算法,解决了算法收敛缓慢的问题。首先,对不会发生空间混叠的频域范围内的频点进行一次ICA(Independent Component Analysis,ICA)迭代,得到分离矩阵并从中估计出源信号的DOA(Directionof Arrival,DOA),接着使用混合信号的协方差矩阵的行列式(Determinant of Covariance Matrix,DOCM)在整个频域范围内进行一次频点选择。如果初始的分离矩阵选用单位阵,对其进行迭代的过程中算法很难收敛到全局最优。所以,本文利用源信号的DOA信息对已选择的各个频点的分离矩阵进行初始化,然后进行ICA迭代获得最终的分离矩阵。其次,为确保估计出来的源信号DOA信息的准确性,引入了基于离群点检测的第二阶段频点选择。接下来,使用从终选频点的分离矩阵中获得的DOA信息的平均值来解决排序模糊问题并估计出未选择频点的分离矩阵。最后,对幅度模糊问题进行解决,使用最终得到的分离矩阵完成混合信号的分离。2、提出了分频段进行频点选择的快速BSS算法,解决了算法计算复杂度较高的问题。该算法的特点是从能量和独立性两个方面对频点的特性进行度量,不同的频率区域采用不同的频点选择标准,充分利用每个频率区域各自的特点,得到最好的分离性能。在低频区域,使用混合信号的DOCM进行频点选择;在高频区域,将混合信号的幅值平方相关函数(Magnitude Squared Correlation,MSC)作为选择标准。另一个特点是利用从分离矩阵中提取的归一化衰减和延迟参数来解决高频区域延迟参数不准确的问题。接下来,本文引入了基于正态分布的第二阶段频点选择方法,进一步舍弃分离性能欠佳的频点,保证了归一化衰减和延迟参数的准确性。最后,利用得到的归一化衰减延迟矩阵构建未选频点的分离矩阵,对所有频点的分离矩阵根据最小失真原则解决幅度不确定问题后,完成信号的初步分离。对于分离性能较好的终选频点来说,分离完成。对于未选频点,引入维纳滤波后处理方法对信号进行重新分离。3、利用MATLAB搭建仿真实验中所用到的混响房间,在双耳间距下对传统的算法和本文提出的两种快速算法进行了对比。在无混响和混响环境下的实验结果表明,本文提出的两种算法不但计算复杂度较低,而且分离性能也有一定的提升,能够更好的推进盲源分离算法在助听器方面的应用。