随着信息工程技术的飞速发展,人们对电子设备的使用日益广泛,信号传输环境变得日益复杂,各种信号源在时域高度密集、频域也相互混叠,我们所采集的信号往往不是纯净的,而是多个信号的混合叠加,要想对目标信号实现准确的参数估计和后续处理,必须首先对信号进行有效的分离。盲源分离技术作为信号分离的一种有效方法得到了广泛的关注,已成为现代信号处理领域一个重要的研究方向,并被广泛应用于生物医学工程、语音增强、数据通信与阵列信号处理、图像处理与识别等领域。经过多年的发展,尽管对盲源分离的研究已取得一系列显著的成绩,但由于信号混合模型和应用对象的复杂性和多样性,它仍是一个极具挑战性的课题,对于某些特定情况下(例如欠定混合、非充分稀疏等)的信号分离仍有很大的研究空间及实用价值。本文紧紧围绕盲源分离这一主题,在线性时延欠定混合模型下,重点研究了稀疏成分分析、独立成分分析、时频分布等技术在盲源分离处理中的相关理论方法,和非充分稀疏的条件下、不同统计特征源信号盲源分离算法的具体实现,以及盲源分离技术在无源雷达运动目标检测中的应用。具体的研究内容和成果包括如下几个方面:(1)针对源信号时频域非充分稀疏的部分混叠情况,提出了基于接收端先验信息提取和凸优化子空间的通用欠定盲源分离算法。首先从混合信号接收端着手,借助已知的接收天线参数,提取出混合矩阵的先验信息,并利用其推导出单源时频点的判断新标准,进行混合矩阵的估计;然后,借助基于凸模型的子空间投影改进算法实现源信号的分离。该模型同时融合了信号投影和子空间的大小(即时频点源数目),克服了传统的子空间算法预先设定各时频点源数目为常数时会造成局部混合矩阵过估计,而按通常做法对每个时频点进行源数目估计又会增大计算量的缺点。实验结果表明所提算法能够很好地完成混合矩阵的估计和源信号的分离,尤其在低信噪比时仍能取得稳定的更优分离性能,适应性更强。(2)在准平稳信号混合模型下,重点针对来波方向较接近时传统基于Khatri-rao积子空间法难以有效分辨的问题,提出了基于平行因子分解(PARAFAC)的高分辨欠定盲辨识算法。首先利用待分离数据的代数结构,重新建立基于Khatri-rao积的欠定盲辨识模型;然后将该模型表示成三阶PARAFAC数据模型的形式;最后通过PARAFAC代数分解算法实现欠定混合矩阵的盲辨识。相比于传统方法,该方法不但利用了信号之间的统计特征,更重要的是提取了数据内在紧凑的代数结构先验信息,从而借助高效的代数计算算法进行求解。实验结果表明,该方法可以有效地实现准平稳信号欠定混合矩阵的高分辨盲辨识,尤其对源信号来波方向较接近的情况具有更显著的效果。(3)针对诸如通信信号通常具有的循环平稳统计特性,进一步挖掘信号的统计特征,提出了一种基于二阶循环统计量预处理的二次时频分布盲源分离算法。首先挖掘二阶循环统计量与Wigner-Ville分布之间的内在联系,借助分段平均的周期图实现对二次时频分布WVD的重构,达到降噪和抑制一定交叉项干扰的预处理目的;然后,计算信号时频分布矩阵并找出自源时频点,并利用相应的时频分布矩阵构建新的三阶张量模型;最后利用PARAFAC分解法直接实现源信号的分离。该算法借助信号的循环平稳特征,通过预处理的方式达到抑制噪声和干扰项的目的,且模型只需满足平行因子分解的条件,不需假设任意时频点的源数目不大于混合信号数目。实验结果表明所提出的方法可以有效地抑制干扰,并且只需要一步即可实现源信号的分离,避免“两步法”造成的误差叠加,提高了分离的效率和性能。(4)以基于外辐射源信号的无源雷达运动目标检测为研究对象,提出了基于盲源分离的杂波分步干扰抑制架构,研究算法在实际中的应用。首先采用时域相消算法抑制主基站直达波和多径干扰;然后针对残留的强弱混合的邻近基站干扰信号,采用分步抑制算法,先借助盲源分离算法对较强干扰信号进行初步抑制,再利用稳健的自适应波束形成技术对较弱信号进行进一步的干扰消除;最后利用距离-多普勒相干处理对运动目标进行检测。该方法借助分步架构,对主基站干扰、邻近基站强、弱干扰进行分别处理,克服了传统干扰抑制方法会将较多的自由度用于抑制功率相对较大的主基站直达波和多径干扰信号,对邻近基站干扰信号抑制不完全的缺点,同时避免了强干扰信号在直接波束形成处理时对较弱信号的“遮蔽”作用。实验结果表明,本文算法具有更好的杂波干扰抑制和目标检测的效果。