作为计算智能的核心研究内容之一,盲源分离问题结合了信息理论、统计信号处理、人工神经网络,已经成为一个比较重要和热门的研究课题。本文在对盲源分离方法进行深入探讨的基础上进行了应用研究,并提出了改进算法。本文的主要研究内容包括:(1)针对盲源分离问题讨论了相关的理论和方法。对自然梯度的ICA学习算法及其性能进行了探讨,研究了采用PCA对信号进行白化预处理的理论与方法;应用自然梯度的ICA学习算法对实际的汽车行驶环境中的混合声音进行了分离。实验结果表明,自然梯度ICA算法应用于实际的盲源分离领域可以取得比较好的效果。(2)探讨了高效率的线性多层ICA算法,并将其与MaxKurt算法进行了性能比较。线性多层ICA算法作为一种高效率的ICA算法可以解决高维混合信号的盲源分离问题。实验结果表明,线性多层ICA算法比MaxKurt算法具有更高的效率。(3)利用DS-CDMA传输过程中原码字及原码字前后最近的两个码字信息,对原码字进行估计,提出了基于三码字反馈式DS-CDMA多用户检测的改进算法,并对现有的多路通道的DS-CDMA模型进行了改进。仿真实验结果表明所提出的改进算法与DS-CDMA模型能够很好地匹配,对DS-CDMA多用户检测问题很有效,能够正确地检测用户码字,具有较低的漏检率和很好的实时性。(4)结合基于三码字反馈式DS-CDMA多用户检测改进算法的思想,构建了基于FastICA-TDS方法的DS-CDMA盲源信号分离系统。通过实验对不同检测器的BER性能进行了比较,结果表明系统具有较低的漏检率,在系统能量控制方面明显好于MMSE和MF。