盲信号分离在信号处理领域中日益显示出其重要性,而独立分量分析是其中的重要组成部分。由于现实生活中信号十分不规则,目前提出的算法大多只能针对某类信号分离,鉴于目前在ICA方面极大的研究热情和强大的背景支持,作者对ICA离线算法做了一定研究,主要内容和工作包括如下:ICA问题经过白化处理后,寻找去除高阶相关的正交矩阵成为问题关键,而正交矩阵具有特殊的空间结构,组成它的每个列向量可视作R N中单位超球表面上一点,当这些点彼此垂直时,整体就组成一个正交矩阵。自然的,这些点可以用其球坐标,即与各坐标轴的夹角来参数化,作者通过观察正交矩阵的几何结构,最终找到了任意维数的随机正交矩阵的参数表示方法,通过分析相关超平面之间的垂直关系和参数化正交矩阵需要的参数个数,论证了这种表示的完备性。同时,对随机正交矩阵的参数表示的随机性做了的定量分析,最后的结论是以概率为1得到随机正交矩阵的参数表示。接下来,利用遗传算法多分支搜索等特点,对参数化正交矩阵中的参数进行搜索,最后得到分离结果。本质上来说,这样做是把一个高维带约束的优化问题转换成为多个相对低维的不带约束问题,而在理论上保持解的无损失。算法的效果在多个不同类型的仿真中得到体现。另外,信号间独立性强弱的度量在ICA算法中具有重要地位。常用的度量方式一般是从信息论的角度出发,利用熵、负熵、互信息等来度量。本文从函数优化的角度出发,视统计独立性强弱为函数的“变量大小”,构造一些特殊的函数,通过其函数值来反映独立性的强弱,其实用性有待检验。本文在计算机上用3种不同ICA算法实现了ECG信号抽取、语音信号分离以及图像分离3方面不同的应用,并对不同算法得到的结果进行了对比。