在源信号和传输通道未知的情况下,仅仅利用传感器接收的观测信号恢复出源信号的过程称为盲信号分离。当各个源信号相互独立时,盲分离方法又称为独立分量分析。近年来盲分离问题在无线通信,语音图像处理甚至是金融领域都呈现出广阔的应用前景。本文将重点放在线性瞬时混合的盲分离模型上,对已有的fast-ICA算法提出改进,得到一个新的无需预白化的fast-ICA算法。首先,本文简单介绍了盲分离的发展历史和现状及其应用领域。然后系统阐述了盲分离模型并分析了盲分离固有的两个不确定性以及实现盲分离的假设条件。简单介绍了优化理论,并总结了常用的对比函数以及已有的分离算法,对部分算法进行仿真分析。接着详细介绍了基于峭度最大化的间接fast-ICA算法,并对相关内容进行仿真实现。最后根据需要预白化和无需预白化两种情况下分离向量间的关系,引入自相关矩阵,导出无需预白化的fast-ICA算法,并仿真验证算法的有效性以及与其它算法相比所具有的良好性能。无需预白化的fast-ICA算法是批处理算法,在每次迭代中所有的样本数据都要参与计算,计算量较大。算法也属于不动点算法,比一般的自适应算法收敛得更快,且当获得的样本数据较少时,算法仍然能够稳定收敛。新算法省去了预处理步骤,比原有的fast-ICA算法收敛得更快,同时避免了预处理误差的传递。