声音很少孤立地产生,不管是语音,生理声音还是其他的声音信号,多多少少都会夹杂着一些不需要的声音信号或者可以说噪声信号。尽管如此,许多重要的应用往往需要一个相对纯净的声音信号,比如语音识别,心音信号的分析,心音识别等等。为了使这些应用系统能够在多种声音信号混叠的情况下也可以很好地运转,那么我们需要有从混叠信号中恢复源信号的能力,这就是所谓的源信号分离。本论文中考虑的是欠定盲分离问题,即源信号数目大于混叠信道数目的情形,特别是混叠信道数目为一个或者两个的情形。这就需要有一种能够利用源信号的先验知识重构出可能的源信号的分离方法。本文利用了心音信号所具有的稀疏特性来分离此类混叠信号。论文第三章结合现有的单路混叠盲分离算法和心音信号的周期特性,提出了一种基于dwt_ica的单路单周期心音混叠信号欠定盲分离算法。该算法首先得到一组单周期独立心音子波,然后把该独立心音子波加入到一个单路单周期心音混叠信号中,从而将一路信号变成一个多路信号,接着再利用ICA方法分离该多路信号,可获得源心音信号的一种估计。2个心音混叠信号的盲分离仿真实验表明,该算法是行之有效的。而在论文第四章,基于两路人体心声信号的专用检测平台,本文又提出了一种针对双声道心音信号的欠定盲分离方法。在深入讨论欠定盲分离模型和稀疏分量分析方法的基础上,首先对数据点进行频域聚类计算,利用观测信号中稀疏信号所表现出的特征对源信号个数进行分析,以实现对混叠矩阵的估计;然后根据观测信号的散列图分离出其中一路或多路源信号,从而使观测信号变为适定或者超定;最后用现有的适定或者超定盲分离方法分离剩余源信号。本文分别对一组人工混叠信号和实际检测的双声道心声信号进行欠定盲分离实验,验证了本方法的有效性和可行性。