自然界中存在大量的的有用信息,人们通过传感器获取这些有用信息的过程中,由于受到传输信道本身的噪声以及外界其他信息源的影响,最终获得的观测信号或信息是多种信号混叠在一起的复合信号,再加上传输信道的复杂性,无法简单的从传感器接收端获取原始信号。因此如何有效的从传感器接收端的观测信号中提取有用信号是一项艰难而又亟待解决的工作,也引起了信号处理界的极大关注。在这种背景下,盲源分离技术应运而生。为迎合实际情况的需要,本文研究了欠定混叠系统。基于稀疏成分分析理论基础上,论文针对欠定盲源分离技术的基本模型、经典算法进行了深入分析,尤其是两阶段法中混叠矩阵的估计算法和源信号的恢复算法,并对两阶段恢复源信号的算法进行了改进,以提升应用性能。针对不同源信号之间幅值相差较大的情况,论文提出了一种基于聚类点数调整法的混叠矩阵估计算法,通过分析观测信号采样点在聚类图上的分布特性,利用幅值相差较大信号采样点的分布范围,然后分段对采样点进行聚类操作,使混叠矩阵得到较准确的估计。实验结果证明在源信号幅值相差较大情况下,本文算法的混叠矩阵估计精度更高。源信号恢复阶段,在分析了最小L1范数法的缺陷之后,论文提出了基于邻近斜率的源信号估计算法。本文利用采样点与混叠矩阵列向量方向的关系,先估计出真正满足稀疏性的采样点的斜率变化情况,然后利用这种斜率的变化过程估计不满足稀疏性或者稀疏性不高的采样点的源信号。仿真结果证明本文算法较最小化L1范数法的信号提取效果更好,而且受源信号的数目影响也较小。