盲信号分离(BSS)作为盲信号处理(BSP)的一个重要分支，是信号和图像处理等领域的一个强有力的工具。近年来，盲信号分离在无线传感器网络领域得到了越来越多的研究和应用。独立元分析(ICA)是盲信号分离的主要手段之一。本文结合无线传感器网络自身和传感器信号多样性特殊性，围绕ICA理论、算法及其在无线传感网中的应用展开研究。论文的主要工作和成果包括：　　 (1)在盲信号分离方面，从盲混合模型入手，分析了盲信号分离问题不确定性并给出了盲信号分离的几个基本假设条件和尚未解决的两个模糊问题，研究盲信号分离的对比函数理论和局部收敛理论。综述了盲信号分离算法的数学物理模型概念、数学理论支持，以及主要的几种基于独立成分分析的盲信号分离算法并且分析了这些算法的性能的优缺点。　　 (2)提出了一种基于Renyi熵准则的独立成分分析的盲信号分离算法。虽然Renyi熵统计适应性好，但其多峰性和复杂性对寻优算法设计提出了挑战。本文根据Renyi熵的特性，提出了一种利用遗传算法和正交滤波来搜寻Renyi熵势能最小点的方法，不仅克服了传统独立成分分析中基于牛顿或自然梯度类寻优算法容易陷入局部最优的弱点，而且解决了“顺序模糊”问题。并且对上述算法进行了仿真验证，仿真结果显示此算法相对传统算法具有更好的计算精度，并使得分离信号的输出更具规律性，从实验层面上讲，切实消除了“顺序模糊”问题。　　 (3)将上述盲信号分离算法应用于无线传感器网络，实现了微波雷达信号多目标检测和盲信号分离。