盲信号分离技术是一种仅利用观测信号恢复出源信号的方法,在语音处理、图像处理、通信和生物医学信号处理等各个领域均具有广阔的应用前景和发展潜力,对其研究已成为目前信号与信息处理、智能计算与信息处理等学科的研究热点。群智能优化算法作为一种模拟自然界生物体生存发展的行为方式进行目标优化的算法,是求解复杂优化问题的有效方法。因此,将群智能优化算法用于解决盲信号分离问题具有良好的发展前景。本文在对群智能优化算法和盲信号分离技术理论和算法研究的基础上,针对线性混合盲信号分离进行深入研究,所作的主要工作如下:(1)提出了一种基于粒子群优化算法的有序盲信号分离算法。采用信号的规范四阶累积量的绝对值作为分离的目标函数,使用粒子群优化算法对目标函数进行优化求解,通过去相关消源方法将已分离出的源信号成分从混合信号中去除,从而实现从混合信号中将源信号按照其规范四阶累积量绝对值的降序进行分离。通过对源信号为超高斯信号、亚高斯信号以及超高斯和亚高斯信号同时存在的情况进行分离的仿真实验,验证了算法的有效性。并将该算法用于解决微弱信号采集过程中的工频干扰消除,取得了满意的效果。(2)提出了一种基于探测判断和优势细菌随机扰动策略的细菌群优化算法。在单细菌趋药性优化方法的基础上,结合细菌聚群现象和中心点吸引策略,将探测判断和优势细菌随机扰动两种策略引入细菌群的进化过程,在解决细菌定位问题的同时,提高了算法的收敛精度和全局收敛能力。并应用于解决盲信号分离问题,得到一种基于细菌群优化算法的有序盲信号分离算法,成功实现了对源信号为亚高斯信号、超高斯信号以及亚超高斯混合信号等不同类型信号的有序盲分离,取得了良好的分离效果。最后又应用于解决微弱信号采集中的工频干扰消除,并通过仿真实验验证了该方法的有效性。(3)提出了一种基于细菌觅食优化算法的盲信号分离算法。采用信号四阶累积量绝对值的和作为目标函数,利用Givens旋转变换方法降低目标函数中的待求变量数目,然后采用改进的细菌觅食优化算法对目标函数进行优化求解,实现了从混合信号中将源信号一次同时分离出来,并通过仿真实验对算法的分离效果进行了验证。然后将该盲信号分离算法应用于解决工频干扰消除,取得了良好的效果。