联合收割机可以一次性完成对谷物类作物的收割、脱粒、分离茎秆和清除杂物的全部工序，联合收割机是农业机械中结构最复杂的现代化大型农业自动化设备，谷物损失率是衡量联合收割机性能的重要标准之一。有效检测损失谷粒信号确定谷物损失率一直是提高联合收割机技术指标的瓶颈。传统损失谷粒信号检测方法存在检测精度低、准确性差，易漏检等问题，易造成谷物损失率难以精确检测。近年来，盲信号分离技术的研究与应用，对于损失谷粒信号的检测有着很大的帮助。　　 联合收割机作业环境恶劣，损失谷粒冲击传感器产生的信号十分微弱，导致损失谷粒信号基本被杂草、秸秆、颖壳、石子和强烈的机组噪声湮没。分析谷粒信号及其它干扰信号可知，联合收割机工作时所采集到的混合观测信号可以看成是多个信号源混合而成的。因此，可以通过选取合适的独立分析算法来提高损失谷粒信号的识别精度，减少谷粒的损失量。本文的主要研究内容和结果有:　　 1、创建信号检测平台，采用压电晶体矢量传感器阵列式敏感板来替代单一的压电传感器采集数据，通过网格形成的作用点的动态响应程度来确定传感器阵列的位置，实现了从多区域多角度获取信息，减小了信息的不确定度，获取的信息满足独立分量分析 ICA(Independent Component Analysis)信号源数目估计的超定条件算法要求。　　 2、考虑到要保证谷粒和机组振动信息的线性相位以及降低源数估计的难度，用 FDATool构建FIR带通滤波器，让谷粒信号通过并尽可能的抑制噪声干扰。通过Simulink仿真可知滤波器可以在很大的程度上抑制噪声的影响，从其噪声背景中提取出损失谷粒信号的信息。在超定的条件下，基于奇异值分解的观测信号使用主特征值估测方法可以有效得到滤波源值。　　 3、基于峭度的FastICA算法有效的把峭度良好的信号分布统计特性与快速不动点迭代算法的良好特性结合了起来。通过算法稳定且收敛速度较快的特点，找出损失谷粒信号的特征，实现盲信号的分离。对信号进行预处理后，与梯度算法一起进行有噪和无噪的仿真实验表明损失谷粒信号的提取比较完整，算法可以比较准确的检测谷粒损失信号，且算法比梯度算法有更快的收敛性。　　 4、统计算法实验中检测谷粒数目与实际的谷粒数目。发现多个谷粒同时落下波形重叠，谷粒检测数目存在误差。盲源分离后，谷粒信号波形幅值存在不确定性，难以通过波形图直观识别谷粒信号数目，因此提出检测同时下落的谷粒方法的设想，进一步研究损失谷粒信号检测方法。　　 研究工作表明，基于峭度的独立分量分析算法能够满足准确的的从盲信号分离提取出损失谷粒信号，具有较快的迭代速度，便于谷粒损失量的统计，通过实验室的损失谷粒信号检测，实验系统达到了实际应用的要求。