盲源分离是指在缺少先验信息的情况下，仅根据从一个混合系统中接收到的传感器信号中分离或估计出原始信号。近几年来它逐渐成为信号处理领域的一个热点课题，并且已经在很多领域得到了应用，如生物医学工程，无线通信，数据挖掘等。盲源分离包括基于高阶统计量和二阶统计量两种方法。大多数盲源分离算法都假设源信号是相互独立的，需要利用高阶统计量信息，如非高斯最大化方法，最大似然估计等。如果源信号具有时序结构，仅使用二阶统计量信息就可以很好地分离源信号。本文讨论了盲源分离的理论基础和典型算法。首先对独立分量分析等典型的算法进行了详细阐述；接着介绍了基于二阶统计量的盲分离和预处理方法；重点研究了时间相关源的盲提取算法。盲提取是盲源分离的一个有效途径，它可以根据需要提取出感兴趣的信号。本文总结了前人的研究成果，提出了一种基于二阶统计量的非平稳源盲提取算法。该算法计算复杂度低，且对噪声具有一定的鲁棒性，可以处理语音和音乐等非平稳的信号。计算机仿真实验证明了其有效性。本文还尝试了将人耳听觉模型应用到盲分离算法中，并取得了阶段性的成果。用一组用来模拟耳蜗的Gammatone滤波器组代替了盲提取算法中的线性预测器，提高了算法的抗噪声能力。