在现代医学中,听诊仍然是诊断呼吸系统疾病的一种重要的手段。但是在听诊过程中,心音信号是一个不可避免的干扰。如何从体表采集的肺音信号中去除心音信号,成为一个热门的研究。本文中采用盲源分离的技术,分离心音信号与肺音信号。盲源分离(Blind Source Separation,BSS)是一种从观测到的混合信号中,分离出或估计出各个源信号的技术。目前国内外已有很多关于这方面的研究,它在语音信号盲分离、通讯和生物医学信号处理、图像处理等方面具有广阔的应用前景。本文分别对心音与肺音信号的混合方式建立了两种模型:线性瞬时混合模型与线性卷积混合模型。结合心音信号与肺音信号是具有短时平稳性的非平稳信号的事实,我们分别改进了基于非平稳特性与二阶统计量的解线性瞬时混合和频域盲去卷积的算法。在解线性混合的方法中,时频点选择的好坏很大程度上决定了算法的性能,本文在以往研究的基础上,提出了基于局部最大值的时频点选择标准。在解卷积混合的方法中,通过信号的短时傅立叶估计得到信号在频域的表达,然后通过在频域联合对角化目标函数,达到分离信号的目的。在这里,我们提出了最小均方的目标函数。通过仿真试验,表明了上述两个改进算法有较好的性能。最后通过对在体表采集的两组信号分别应用上述算法表明,采用线性卷积模型及相应的频域盲去卷积算法,具有更好的效果。与以往的肺音信号提取方法相比,采用盲源分离的方法,在分离出肺音信号的同时,也分离出了心音信号。因此本文的研究具有双重的意义。