盲源分离作为最近20年发展起来的一种信号处理方法，已经成为众多领域中研究和发展的重要课题。如何在没有任何先验信息的条件下，只从采集的包含多个源信号以及各种噪声的混合信号中，分离出各个目标源信号，是解决此类问题的关键。现有的很多研究都是人为的设定某些先验条件，比如源的数目，随机产生混合矩阵等等。而解决实际环境中的全盲情况时，往往因为没有适当的先验信息或者贴近实际环境的卷积混合模型，导致分离效果不好或者失败。本文针对频域中盲反卷信号相关性问题，做了如下工作：首先，在开篇简要的介绍了盲源分离的理论，三种混合模型，以及盲分离中三种经典的ICA算法，对频域中盲反卷方法做了详细描述。其次，引入麦克风阵列信号模型，在比较分析了三种典型的时延估计算法的性能之后选定了广义互相关时延估计算法，证明了通过时延估计方法确定盲源源信号数目的可行性,并在理论上提出了一种阵列模型，用来解决时延重合造成源数目误判问题。最后，构建了衰减延时卷积信道和动力学卷积信道两种模型，并对信号的相关函数的进行推导和分析，重点讨论低阶动力学和高阶动力学信道模型下，信号的相关性问题。