盲源分离是当今信号处理和分析领域中最热门的新兴技术之一。盲源分离是指在源信号和传输网络均未知的条件下，仅根据接收到的多路混合信号，在统计独立的假设条件下，将目标源信号从混合信号中分离出来的过程。盲源分离被广泛应用于语音信号处理、无线通信、模式识别与图像处理、生物医学信号处理、地球物理数据处理、阵列信号处理、数据挖掘、脸谱识别等领域。本文首先介绍了盲源分离的国内外发展现状，盲源分离的基本原理，数学模型，目的和意义，求解过程，预处理方法和评价指标，然后介绍了概率知识，统计知识和信息理论等相关盲源分离的基础理论知识，最后重点介绍了自然梯度算法和四阶累积量算法在盲源分离中的应用。盲源分离的求解步骤如下：首先，对信号进行白化预处理，去除信号之间的相关性；然后，确定一个目标函数，通常是以分离矩阵为因变量设定目标函数；最后，选择一个学习算法来优化目标函数，例如：自然梯度算法或四阶累积量算法等。通过MATLAB仿真编程软件实现了盲源分离过程，利用相似系数和分离前、后功率谱密度之间的对比验证了算法的可行性。在机械设备状态监测与故障诊断中，利用盲源分离技术，能够有效提取故障特征信号，方便于机械故障精确定位。盲源分离方法在机械振动信号分析与故障诊断中有所应用，但是还未成为一门很成熟的技术。目前，国内外主要是探讨其各种不同的分离手段和对信号分离算法及其工程应用的研究。