盲信号分离是信号处理领域中用于阵列处理和数据分析的一种新的技术,其主要任务就是在不知道源信号和传输通道的先验信息的情况下,根据源信号的统计特性,仅由观测信号恢复出源信号。经过二十多年的发展,盲信号分离技术已经成为一些领域研究与发展的重要课题,特别是在语音识别、生物医学信号处理、远程传感、雷达与通信系统、地震勘探等方面均具有突出的作用。本文首先阐述了盲源分离的基础理论,包括基本的盲源分离模型、盲源分离的目标函数以及信号的预处理,并对常见的盲源分离算法,如自然梯度算法、固定点算法、EASI算法和负熵最大化算法等进行了较为详尽的分析及介绍。本文重点研究盲源分离中的自然梯度算法。自然梯度算法有收敛速度和稳定误差两个重要指标,固定步长自然梯度算法的两个指标存在内在的矛盾。为了解决自然梯度算法的这个缺点,本论文首先对传统算法的非线性激活函数进行了改进,并提出了一种基于指数函数和分离度的自适应步长因子；分别将激活函数及自适应步长应用于自然梯度算法和不完整自然梯度算法。计算机仿真证明,改进算法既可以获得较快的收敛速度,又可以减小稳定误差,具有比传统固定步长算法更理想的分离效果。