盲源分离是在不知道源信号和传输信道的先验信息的情况下,仅由观测到的混合信号恢复出源信号的过程。自然梯度算法作为盲源分离的核心算法之一,受到越来越多的关注。同时,由于自然梯度算法计算量低、收敛速度快、分离效果好等优点,凸显出其良好的应用前景,并在语音信号处理、图像处理、无线通信等领域有了广泛的应用。论文首先介绍了盲源分离的背景和基本理论:通过介绍盲源分离的基本模型,讨论了盲源分离的特性与预处理方法;从优化算法的角度出发,介绍了几种常用的代价函数,并引出了经典的盲源分离算法——自然梯度算法及加入不完整约束的自然梯度算法——不完整自然梯度算法。针对自然梯度盲源分离算法中存在的缺陷,通过在当前时刻算法的自适应迭代规则中部分地加入前一时刻抽头系数的更新量,以起到提高系统收敛和跟踪速度、改善算法分离性能的目的,而提出了动量项盲源分离算法。由于,动量因子选取的准确性和合理性会极大地影响算法的收敛性能,当动量因子设置为一固定数值时,算法仍然会存在收敛速度和稳态误差无法折中的问题,因此,本文提出了基于可变动量因子的盲源分离算法。此外,本文还基于不完整自然梯度算法提出了一种步长优化策略,通过引入双系统,借助辅助分离系统的分离性能指标PI值自适应地更新步长,这样可以有效的避免收敛速度和稳态误差之间的矛盾。仿真结果表明,所提出的算法具有更理想的分离效果。