独立分量分析（ICA）以非高斯源信号为研究对象，在统计独立的假设下，对多路观测到的混合信号进行盲信号分离，已广泛应用于无线通信、生物信号提取、语音信号处理、图像处理和噪声抑制等领域。 本论文首先介绍了独立分量分析的基本原理。以此为基础，在盲信号分离的瞬时线形混合模型和卷积混合模型下，对独立分量分析算法进行了研究，主要工作如下： 1.在瞬时线性混合模型下，详细讨论了ICA算法。通过推导，并分别应用自然梯度和自适应方法进行定性定量分析，讨论了算法的优劣性 2.结合上述模型，研究了快速固定点算法（Fast ICA）。先分析了一次分离出单个源信号的单源定点算法，然后推导出分离源信号的算法。 3.在卷积混合模型下，从时域和频域对卷积混合信号ICA算法进行了研究。在时域，运用同时正交化多延时相关矩阵建立对比函数，用Frobenius范数最小化对比函数得到分离算法；在频域，研究了卷积混合信号的频域盲分离算法，重点分析了算法中存在的分离信号排序不确定性和幅度的不确定性问题。 4.结合上述卷积混合信号的频域分离算法，研究了一个改进单源算法，将复数快速固定点迭代算法应用到频域加速收敛，为了防止算法收敛于同一信号，利用一种投影技术，实现一次分离出一个信号，通过逐次分离，实现卷积混合信号分离。 5.对Fast ICA算法提出了改进，应用于多通道混合语音信号处理，保证分离效果的同时提高了算法的快速性；此外，首次将ICA算法应用于一类逆问题系统参数的辨识，通过具体模型的仿真试验，验证算法的适用性和精度。 以上算法的有效性均以Matlab计算机仿真实验给予验证。