在源信号和传输信道未知的情况下,只利用接收天线的输出观测恢复统计独立的源信号,称为盲信号分离。它是当前信号处理学界和神经网络学界共同的热点研究课题之一。因为盲信号分离在无线通信、雷达和声纳、图像、语音以及医学信号等诸多领域具有广阔的应用前景,从而引起了信号处理学界和神经网络学界的共同兴趣。本文围绕这一热点课题展开,主要工作概括如下:1.系统介绍了盲信号分离问题。从信号模型出发,分析了盲信号分离基本假设条件和固有的不确定性,研究了盲信号分离的对比函数理论。列举了一些常用对比函数和已有典型的盲信号分离算法,并给出了算法的性能评价指标。2.基于互信息对比函数的累积量逼近,对EASI算法学习规则对称部分乘以最优的时变系数,提出了一种优化的EASI算法。将互信息对比函数的累积量逼近分解为一个预白化对比函数和正交约束下的盲信号分离对比函数,并分别计算它们的相对梯度,得到EASI算法的对称部分和斜对称部分的最优比,提出了优化的EASI算法,并对算法的稳定性作了证明。仿真结果表明这种优化的EASI算法在收敛速度和稳定性上要优于已有的EASI算法。3.研究在线盲信号分离问题。源信号数目未知的自然梯度算法存在有效移动和冗余移动。投影自然梯度算法仅仅消除了冗余移动,可以实现源信号数目未知的盲信号分离、稳定收敛,而且与自然梯度算法具有完全相同的收敛速度。受此启发,本文通过计算机仿真验证了适定盲信号分离的RLS算法推广到源信号个数未知的超定盲信号分离模型中,存在类似的冗余移动。利用正交投影方法消除了超定盲信号分离RLS算法的冗余移动,算法能够稳定收敛。仿真实验验证了算法的有效性和收敛稳定性。