盲源分离(Blind source separation, BSS)属于信号处理中需要解决的一个问题,是20世纪90年代兴起的一个研究热点,它指的是在对源信号和传输通道几乎没有可以利用的信息的情况下,仅从观测到的混合信号中提取或恢复源信号的过程。由于先验信息没有或者很少,使得它在很多用传统的信号处理方法无法解决的领域中应用广泛,比如：生物医学,雷达与通信,数据挖掘,语音与图像分析,气象分析,地震勘探等。由于实际应用中源信号中还会或多或少地存在各种各样的噪声,因此解决噪声环境下信号的盲源分离,将大大扩展盲源分离的应用范围。本文正是基于这一思想,研究了噪声环境下语音信号的盲源分离。本文的主要方法是在进行盲源分离之前进行一次滤波,以达到增强语音信号,削弱噪声的目的,滤波采用的是Kalman滤波方法；再分别使用Jade算法(联合近似对角化算法),Fastica算法(快速独立分量分析算法)分离混合信号,这两种算法属于目前比较成熟的算法,已经广为使用并得到了认可。然后使用Matlab设计了一个GUI (Graphical User Interfaces,图形用户界面)以直观地演示整个过程。并对分离后的语音信号进行了鲁棒特征提取(主要为Mfcc特征),根据结果比较了两种算法的分离性能。通过对整个系统的设计与仿真,较为精确地研究了噪声存在环境下的语音信号的盲源分离,对盲源分离以后的应用与研究有重要的意义。