论文从盲源分离理论的基本原理出发，详细介绍了目前主要用于线性瞬时信号的盲源分离方法，如自适应算法、快速算法FastICA、基于高阶累积张量和基于二阶统计量的盲分离算法。根据盲源分离算法的基本假设及分离条件，要求所分离混合信号中只能有一个源信号是高斯信号，论文对重磁信号的非高斯性进行了探讨。为了验证盲分离算法是否可用于重磁信号处理中，本文采用盲分离算法对相邻球体模型、含有强线性背景干扰及随机噪声的混合重磁异常信号进行分离，并与传统位场分离方法（滑动平均、趋势分析、小波多尺度分解）进行对比。　　 论文通过对不同理论模型重磁异常信号的非高斯性进行研究，得出球体与直立长方体的重磁异常信号的峭度与偏斜度随着它们的埋深和磁化方向的变化而变化，但无法同时满足峭度为3，偏斜度为0,因此，球体与直立长方体的重磁异常信号不是高斯信号;同时得出台阶重磁异常信号的非高斯性与其埋深有关，与磁化方向无关。　　 将盲源分离方法应用于相邻球体模型、含有强线性背景干扰及随机噪声的混合重磁信号中，根据源信号的峭度及偏斜度的变化计算分离后的信号与源信号之间的相对均方误差，分析影响盲源分离结果的因素，得出对于相邻球体模型源信号的峭度越接近于3，分离后的误差越大，混合信号的相关系数越大，分离后的误差越小;对于含有强线性背景干扰及随机噪声的混合信号，采用盲源分离方法，可将弱重磁异常、线性背景干扰及随机噪声同时进行分离，且分离后误差较小;传统的位场分离方法无法将这三类混合信号进行分离。　　 最后将盲源分离方法应用于某区重力数据处理中，区分区域场和局部场。