盲信号分离是指在信号源和传输信道完全或部分未知情况下，只利用传感器阵或天线阵的观测来分离、提取源信号的信号处理理论。近年来，它已成为信号处理领域的一个研究热点。盲分离在无线通信、雷达、声纳、语音信号处理、医学信号处理、图像增强等方面有着广泛的应用。 混合语音信号的分离是盲分离的重要内容，也是信号处理领域中的一个难题。它在回波对消和电视会议等领域有重要应用。本文详细研究了盲源分离的基础理论，重点研究了各种混合模型下的语音信号分离算法。 研究了瞬时混合信号的盲源分离方法。针对现有的盲源分离算法性能对步长的选择有很强的依赖性，本文给出了一种基于信息最大化的自适应变步长盲源分离算法-基于估计函数的变步长算法，优化了算法的性能。 研究了基于时频分布的盲源分离方法。该算法采用快速联合对角化方法，省去传统盲源分离算法中的预白化处理步骤，降低了算法的计算复杂度，提高了算法的性能和效率。仿真实验结果表明，在省去预白化处理之后，新算法仍然能正确的分离出原始信号。 针对卷积混合语音信号的盲分离问题，本文将基于广义高斯分布的非线性函数估计方法和自然梯度算法进行有机结合，给出了基于KL散度的自然梯度盲解卷积方法，有效的解决了非线性函数选择问题。仿真实验结果证明该算法不仅适用于同种类型信号混合系统的盲分离，同时也适用于杂系混合系统的盲分离。