近三十年来,盲源分离(Blind Source Separation,BSS)以其独特的优势引起了许多学者的研究和关注,在源信号以及混合特性未知的情况下,仅依靠阵列输出的观测数据来恢复或提取源信号。目前,盲源分离在信号处理领域是一个研究热点,在语音信号处理、医学信号、医学图像、通信信号处理、雷达信号处理等方面有广泛的应用。本文在对盲源分离方法研究的基础上,将盲源分离算法应用到含噪雷达信号分离和波达方向估计上,主要研究工作有以下几个方面:第一部分对盲源分离理论进行了介绍和分析,包括盲源分离模型、基本理论、最优化判据以及性能指数。并且对经典的盲源分离算法进行了仿真。同时对阵列信号处理中的到达角估计的基本理论进行了介绍,讨论了盲源分离与阵列信号处理结合的可能性。第二部分在对经典算法研究的基础上,讨论了含噪盲源分离问题,引入了去噪源分离(Denoising Source Separation,DSS)算法,将其应用到基于含噪阵列接收模型的雷达信号分离中,更进一步的,基于此算法提出了一种基于奇异值阈值的改进去噪源算法,该算法采用基于Stein无偏风险估计的奇异值阈值算法来替代去噪源算法中的奇异值分解或特征值分解,通过仿真实验验证了该算法对噪声抑制的效果有了进一步的提高。第三部分主要讨论了基于高阶累积量的盲源分离算法在阵列信号处理中的波达方向估计中应用,研究了一种基于联合近似对角化算法和多重信号分类算法(Multiple Signal Classification,MUSIC)的波达方向估计算法,利用观测数据的高阶累积量,得到导向矢量的估计以及源信号的估计,然后将两者相乘,得到重构后的观测数据,对重构后的观测数据进行谱峰搜索,完成波达方向估计。最后指出了在盲源分离与雷达侦察问题上未来可能的研究方向。