声信号分离技术是信号处理领域的基础问题,也是传感网等复杂环境声学传感应用中急需解决的信号处理问题。声信号分离技术从通道数量角度可分为单通道和多通道分离,本文结合多通道声信号分离中时空频模式进行研究,针对多通道非负矩阵分解（Multichannel Non-negative Matrix Factorization,MNMF）模型进行优化。非负矩阵分解技术凭借其简洁的实现优势被广泛应用于单通道和多通道声信号分离技术的研究上,通常将混合信号的幅度谱矩阵分解为两个非负矩阵相乘的形式。本研究在充分考虑信号特征的同时,也充分挖掘多通道的空间信息,从而对MNMF模型进行声信号分离。主要研究如下:针对MNMF模型中基矩阵和系数矩阵的稀疏性难以控制的问题,提出稀疏正交联合约束多通道非负矩阵分解声信号分离方法。首先设计基于多通道扩展坂仓斋藤（Itakura-Saito,IS）散度的稀疏正交联合约束项构造代价函数,在代价函数的基础上给出信号稀疏和信号正交约束辅助函数,实现代价函数最小化求解。然后通过设计迭代更新规则,得到稀疏正交优化的多通道非负矩阵分解基矩阵和系数矩阵,最后基于多通道信号空间特性,进行了非负矩阵分解基聚类,将迭代更新后得到的分离模型参数带入多通道维纳滤波求解出分离信号,并讨论了稀疏正交约束对基矩阵和系数矩阵稀疏性与连续性影响。为了进一步提高声信号分离性能,针对多通道非负矩阵分解声信号分离算法模型中缺少信号先验信息的问题,提出基于波达方向（Direction of Arrival,DOA）初始化的稀疏正交联合约束MNMF声信号分离方法。首先利用多重信号分类算法估计出声信号的入射角度,然后将含有声信号方向信息的导向矢量带入空间特性矩阵的表达式,由此得到基于DOA初始化的空间特性矩阵,并将其作为空间特性矩阵的初始值带入到算法中进行迭代更新。双通道音频数据与四通道声学目标分离实验数据测试表明,对音频数据,所提稀疏正交联合约束MNMF声信号分离算法和基于DOA初始化的稀疏正交联合约束MNMF算法在性能指标信号失真比（Signal to Distortion Ratio,SDR）上分别提高了0.84d B和0.98d B,对于直升机声源数据,所提两种算法分别在SDR上提高了4.53d B和5.16d B,仿真验证了引入稀疏正交联合约束和基于DOA初始化的方法对声信号分离性能的提升。